[논문 리뷰] Handwritten Devanagari Script Segmentation: A non-linear Fuzzy Approach

Ram Sarkar, Bibhash Sen외 2명|arXiv (Cornell University)|2015. 01. 22.

Handwritten Text Recognition Techniques참고 문헌 15인용 수 12

한 줄 요약

이 논문은 비선형 퍼지 접근법을 제안하여 수필체로 쓰인 데바나가리 스크립트의 분할을 수행하며, Matra 픽셀 탐지, 머리글자 추정, 분할점 식별에 특화된 맞춤형 퍼지 소속 함수를 사용한다. 이 방법은 300단어 데이터셋에서 이전 작업 대비 1.8% 향상된 94.8%의 분할 정확도를 달성한다.

ABSTRACT

The paper concentrates on improvement of segmentation accuracy by addressing some of the key challenges of handwritten Devanagari word image segmentation technique. In the present work, we have developed a new feature based approach for identification of Matra pixels from a word image, design of a non-linear fuzzy membership functions for headline estimation and finally design of a non-linear fuzzy functions for identifying segmentation points on the Matra. The segmentation accuracy achieved by the current technique is 94.8%. This shows an improvement of performance by 1.8% over the previous technique [1] on a 300-word dataset, used for the current experiment.

연구 동기 및 목표

• 복잡한 결합 형태와 음절 기호를 지닌 스크립트인 데바나가리 문장 이미지에서 분할 정확도를 향상시키기 위해.
• 유창한 데바나가리 스크립트에서 자음에 부착된 음절 기호(디아크리틱 마크)인 Matra 픽셀을 식별하는 데 도전 과제를 해결하기 위해.
• 문장 이미지에서 머리글자 추정을 정확하게 하기 위해 비선형 퍼지 소속 함수를 개발하기 위해.
• Matra 문자에서 분할점의 정밀한 국소화를 위해 비선형 퍼지 함수를 설계하기 위해.
• 기존 기법들보다 표준 벤치마크 데이터셋에서 전체 분할 성능을 향상시키기 위해.

제안 방법

• 공간적 및 구조적 특성을 분석함으로써 데바나가리 문장 이미지에서 Matra 픽셀을 탐지하기 위해 특징 기반 접근법을 사용한다.
• 스위치 두께와 곡률의 변동을 모델링하기 위해 머리글자 추정을 위한 비선형 퍼지 소속 함수를 설계한다.
• 기하학적 및 맥락적 신호를 기반으로 Matra 문자의 최적 분할점을 식별하기 위해 비선형 퍼지 함수를 구성한다.
• 유창한 데바나가리에서 흔히 발생하는 스토크 연결성의 불확실성과 겹치는 구조를 다루기 위해 퍼지 논리를 통합한다.
• 규칙 기반 퍼지 추론 시스템을 사용한 의사결정을 위해 300단어 데이터셋으로 학습 및 검증을 수행한다.
• 표준 분할 정확도 메트릭을 사용하여 성능을 평가하며, 이전 최고 기술과의 비교를 수행한다.

실험 결과

연구 질문

• RQ1 특징 기반 분석을 통해 수필체로 쓰인 데바나가리 스크립트의 Matra 픽셀을 어떻게 신뢰성 있게 탐지할 수 있는가?
• RQ2 비선형 퍼지 소속 함수는 유창한 데바나가리 문장 이미지에서 머리글자 추정에 얼마나 기여하는가?
• RQ3 비선형 퍼지 함수는 다양한 문자 형태와 연결에 적응 가능한 높은 정밀도로 Matra 문자의 분할점을 효과적으로 식별할 수 있는가?
• RQ4 기존 기법들과 비교할 때 제안된 퍼지 접근법은 전체 분할 정확도에 어떤 영향을 미치는가?
• RQ5 복잡한 스토크 상호작용을 보이는 실제 수필체 데바나가리 문장 이미지에서 이 방법은 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 300단어의 데바나가리 수필체 손글씨 데이터셋에서 94.8%의 분할 정확도를 달성한다.
• 이는 참고 문헌 [1]에 기재된 이전 최고 기술 대비 1.8% 향상된 성과이다.
• 비선형 퍼지 소속 함수의 사용은 유창한 스크립트에서 머리글자 추정의 강건성을 크게 향상시킨다.
• 특징 기반 Matra 픽셀 탐지 방법은 스토크의 변동에도 불구하고 음절 기호의 위치를 효과적으로 포착한다.
• 분할점 탐지에 사용된 비선형 퍼지 함수는 다양한 문자 형태와 연결에 강력한 적응성을 보인다.
• 전반적인 접근법은 복잡한 데바나가리 결합 형태와 겹치는 스토크를 다루는 데 일관된 성능 향상을 보여준다.