[논문 리뷰] Non-Correlated Character Recognition using Artificial Neural Network

Tirtharaj Dash, Tanistha Nayak|arXiv (Cornell University)|2013. 06. 19.

Handwritten Text Recognition Techniques참고 문헌 7인용 수 4

한 줄 요약

이 논문은 선형적 관계가 없는 고립된 알파벳을 대상으로 오프라인 비상관관계 수기 영문자 인식을 위한 인공신경망(ANN) 기반 접근법을 제안한다. MATLAB에서 훈련된 피드포워드 신경망을 사용하여 대문자와 소문자 52개의 조합을 대상으로 훈련하였으며, 최대 인식 정확도는 85%를 기록하였다.

ABSTRACT

This paper investigates a method of Handwritten English Character Recognition using Artificial Neural Network (ANN). This work has been done in offline Environment for non correlated characters, which do not possess any linear relationships among them. We test that whether the particular tested character belongs to a cluster or not. The implementation is carried out in Matlab environment and successfully tested. Fifty-two sets of English alphabets are used to train the ANN and test the network. The algorithms are tested with 26 capital letters and 26 small letters. The testing result showed that the proposed ANN based algorithm showed a maximum recognition rate of 85%.

연구 동기 및 목표

• 고립된 비상관관계 수기 영문자를 오프라인 환경에서 효과적으로 인식할 수 있는 강력한 방법을 개발하는 것.
• 선형적 또는 구조적 상관관계가 없는 문자를 인식하는 데 있어 기존 패턴 인식 기법이 직면하는 과제를 해결하는 것.
• 인공신경망이 26개의 대문자와 26개의 소문자 간을 구분하는 데 얼마나 효과적인지 평가하는 것.
• 문자 간의 사전 가정 없이도 ANN을 활용한 문자 인식의 가능성 여부를 검증하는 것.
• 실제 환경에서 비이상적인 수기 문자 인식 시나리오에서도 높은 인식 정확도를 달성하는 것.

제안 방법

• 핵심 인식 모델로 피드포워드 인공신경망을 사용한다.
• 네트워크는 대문자 26개와 소문자 26개로 구성된 총 52개의 고립된 수기 영문자 데이터 세트를 기반으로 훈련된다.
• 입력 벡터를 생성하기 위해 고립된 문자 이미지에서 특징 추출을 수행한다.
• 훈련 및 테스트는 표준 역전파 알고리즘을 사용하여 웨이트 조정을 수행하는 MATLAB 환경에서 구현된다.
• 학습된 패턴을 바탕으로 테스트 문자가 특정 클러스터(문자 클래스)에 속하는지 여부를 결정한다.
• 입력 패턴을 분류하기 위해 지도 학습 방식을 사용하는 다층퍼셉트론 아키텍처를 사용한다.

실험 결과

연구 질문

• RQ1 선형적 관계를 가정하지 않고도 인공신경망이 비상관관계 수기 영문자를 효과적으로 인식할 수 있는가?
• RQ2 고립된 오프라인 수기 알파벳에 대해 ANN을 사용할 경우 도달할 수 있는 최대 인식 정확도는 얼마인가?
• RQ3 문맥적 또는 순차적 단서가 없는 상황에서 ANN의 대문자와 소문자 모두에 대한 일반화 능력은 어느 정도인가?
• RQ4 제안된 방법이 비상관관계 문자 인식 작업에서 전통적 패턴 인식 기법보다 우월한가?
• RQ5 훈련 데이터의 다양성이 네트워크가 미리 보지 않은 수기 문자를 분류하는 데 미치는 영향은 무엇인가?

주요 결과

• 제안된 ANN 기반 방법은 테스트 데이터셋의 52개 수기 문자 클래스에서 최대 85%의 인식률을 기록하였다.
• 시스템은 오프라인 비상관관계 환경에서 26개의 대문자와 26개의 소문자를 성공적으로 구분하였다.
• 인식 성능는 대문자와 소문자 모두에서 균형 잡힌 학습을 반영하여 일관되게 유지되었다.
• 피드포워드 신경망의 사용은 문자 간의 구조적 또는 선형적 관계가 없더라도 효과적인 분류를 가능하게 하였다.
• MATLAB 환경에서의 구현은 제안된 방법의 실용성과 재현 가능성을 입증하였다.
• 결과는 훈련 데이터가 충분히 대표적이면 ANN이 고립된 문자 인식에 효과적임을 확인하였다.