[논문 리뷰] Character-level Chinese Writer Identification using Path Signature Feature, DropStroke and Deep CNN

Weixin Yang, Lianwen Jin외 1명|arXiv (Cornell University)|2015. 05. 19.

Handwritten Text Recognition Techniques참고 문헌 20인용 수 9

한 줄 요약

이 논문은 경로-서명 특징과 딥 컨volution 신경망(DCNN)을 사용한 엔드 투 엔드, 텍스트 독립적 중국어 글자 쓴이 식별 시스템을 제안하며, 새로운 데이터 증강 기법인 DropStroke로 향상된다. CASIA-OLHWDB1.0에서 420명의 쓴이와 3,866개의 문자 클래스를 대상으로 평가한 결과, 쓴이당 단지 200개의 훈련 샘플만으로도 성능 향상이 뚜렷하게 나타나, 경로-서명 특징과 DropStroke의 일반화 및 정확도 향상 효과를 입증한다.

ABSTRACT

Most existing online writer-identification systems require that the text content is supplied in advance and rely on separately designed features and classifiers. The identifications are based on lines of text, entire paragraphs, or entire documents; however, these materials are not always available. In this paper, we introduce a path-signature feature to an end-to-end text-independent writer-identification system with a deep convolutional neural network (DCNN). Because deep models require a considerable amount of data to achieve good performance, we propose a data-augmentation method named DropStroke to enrich personal handwriting. Experiments were conducted on online handwritten Chinese characters from the CASIA-OLHWDB1.0 dataset, which consists of 3,866 classes from 420 writers. For each writer, we only used 200 samples for training and the remaining 3,666. The results reveal that the path-signature feature is useful for writer identification, and the proposed DropStroke technique enhances the generalization and significantly improves performance.

연구 동기 및 목표

• 온라인 수기 중국어 문자에 대한 텍스트 독립적 쓴이 식별 시스템을 개발하여, 사전에 알려진 텍스트 내용에 의존하지 않도록 한다.
• 개인 수기용으로 새로운 데이터 증강 방법을 도입하여 훈련 데이터가 제한된 문제를 해결한다.
• 구조적 수기 특징을 활용해 딥 러닝 모델의 일반화 능력과 성능을 향상시킨다.
• 경로-서명 특징이 작가별 수기 동적 특성을 얼마나 잘 포착하는지 평가한다.

제안 방법

• 시스템은 스트로크 궤적에서 추출한 경로-서명 특징을 사용하여 작가 고유의 수기 패턴을 인코딩한다.
• 엔드 투 엔드 특징 학습 및 분류를 위해 딥 컨volution 신경망(DCNN)을 활용한다.
• DropStroke는 수기 문자의 스트로크를 무작위로 제거하여 변동성을 시뮬레이션하고 훈련 데이터의 다양성을 증가시키는 데이터 증강 기법으로 도입된다.
• 모델은 CASIA-OLHWDB1.0 데이터셋에서 쓴이당 200개의 샘플만을 사용해 훈련하고, 나머지 3,666개의 샘플은 테스트에 사용한다.
• 경로-서명 표현은 순차적인 스트로크 좌표를 시간적 및 공간적 동적 특성을 포착하는 벡터로 변환한다.
• DCNN은 경로-서명 특징을 처리하여 작가 분류를 위한 계층적 표현을 학습한다.

실험 결과

연구 질문

• RQ1 경로-서명 특징은 온라인 중국어 문자 수기에서 작가 고유의 수기 패턴을 효과적으로 표현할 수 있는가?
• RQ2 제안된 DropStroke 데이터 증강 기법은 제한된 훈련 데이터로 모델의 일반화 능력을 어떻게 향상시키는가?
• RQ3 경로-서명 특징을 사용한 엔드 투 엔드 DCNN 시스템은 기존의 전통적 방법에 비해 텍스트 독립적 쓴이 식별에서 얼마나 뛰어난 성능을 보이는가?
• RQ4 경로-서명 특징과 DropStroke의 조합이 대규모 중국 수기 데이터셋에서 뚜렷한 성능 향상을 이끌어내는가?

주요 결과

• 경로-서명 특징은 스트로크 궤적에서의 분류 가능한 수기 동적 특징을 포착함으로써 쓴이 식별 정확도를 크게 향상시킨다.
• DropStroke 데이터 증강 기법은 모델의 일반화 능력을 향상시켜, 쓴이당 200개의 훈련 샘플만으로도 뚜렷한 성능 향상을 이룬다.
• 제안된 시스템은 420명의 쓴이로부터 3,866개의 문자 클래스를 포함한 CASIA-OLHWDB1.0 데이터셋에서 뛰어난 성능을 달성한다.
• 경로-서명 특징을 사용한 엔드 투 엔드 DCNN 프레임워크는 수작업 특징과 별도의 분류기 의존 기반의 기존 방법보다 뛰어난 성능을 보인다.