[논문 리뷰] Offline Writer Identification based on the Path Signature Feature

Songxuan Lai, Lianwen Jin|arXiv (Cornell University)|2019. 05. 03.

Handwritten Text Recognition Techniques참고 문헌 35인용 수 4

한 줄 요약

이 논문은 글자 윤곽선에서 추출한 경로 서명(PS) 특징, 특히 로그 경로 서명(LPS)을 활용하여 오프라인 글자 작성자 식별 방법을 제안한다. 이 방법은 압축되고 구분력 있는 표현을 가능하게 하며, IAM, Firemaker, CVL 및 ICDAR2013 데이터셋에서 최신 기술 수준(SOTA) 성능을 달성한다. 상위 1 정확도는 IAM에서 97%, CVL에서 99.27%, ICDAR2013에서 96.6%를 기록하여, 한정된 잉크 또는 단일 라인 쿼리 조건에서도 높은 효율성과 강건성을 입증한다.

ABSTRACT

In this paper, we propose a novel set of features for offline writer identification based on the path signature approach, which provides a principled way to express information contained in a path. By extracting local pathlets from handwriting contours, the path signature can also characterize the offline handwriting style. A codebook method based on the log path signature---a more compact way to express the path signature---is used in this work and shows competitive results on several benchmark offline writer identification datasets, namely the IAM, Firemaker, CVL and ICDAR2013 writer identification contest dataset.

연구 동기 및 목표

• 글자 윤곽 기하학에서 글쓰기 스타일을 포괄적으로 포착할 수 있는 원리적인, 데이터 효율적인 오프라인 작성자 식별 방법을 개발한다.
• 원래 시간 시리즈 처리를 위해 개발된 경로 서명 프레임워크를 글자 윤곽 조각을 경로로 간주함으로써 오프라인 손글씨에 적응시킨다.
• 복잡한 사전 처리나 특징 융합 없이도 기존 벤치마크 데이터셋에서 성능을 향상시킨다.
• 저잉크 조건과 다양한 템플릿 품질에서의 강건성을 평가한다.

제안 방법

• 스토크 경계를 다각형화하여 글자 윤곽선에서 국소 경로 조각을 추출한다.
• 경로의 반복 적분을 사용해 경로 서명(PS)을 계산하여 곡률과 방향성과 같은 기하학적 및 방향적 특징을 포착한다.
• PS를 더 압축되고 안정적인 표현으로 압축하기 위해 로그 경로 서명(LPS)을 사용한다.
• 벡터 양자화를 통해 LPS 특징에서 코드북을 구성하여 효율적인 매칭을 구현한다.
• LPS 기반 특징을 사용해 최근접 이웃 분류기를 적용하여 작성자 식별을 수행한다.
• 정확도와 속도의 균형을 맞추기 위해 경로 조각 길이(w), 샘플링 속도(m), 코드북 크기(M)의 초모수를 최적화한다.

실험 결과

연구 질문

• RQ1 경로 서명 프레임워크는 오프라인 손글씨 윤곽선에서 구분력 있는 글쓰기 스타일을 효과적으로 포착할 수 있는가?
• RQ2 LPS 기반 코드북 방법은 표준 벤치마크에서 기존의 윤곽 기반 및 딥러닝 방법과 비교해 어떻게 성능을 내는가?
• RQ3 잉크 양과 템플릿 품질의 변화에 대해 이 방법은 얼마나 강건한가?
• RQ4 단일 텍스트 라인 또는 제한된 템플릿과 같은 최소한의 데이터로도 높은 정확도를 달성할 수 있는가?

주요 결과

• 제안된 LPS 기반 방법은 IAM 데이터셋에서 상위 1 정확도 97%를 기록하여 대부분의 이전 윤곽 기반 방법을 능가한다.
• CVL 데이터셋에서는 상위 1 정확도 99.27%를 달성하여 특징 융합 없이도 최신 기술 수준의 결과를 달성하거나 초월한다.
• 단일 텍스트 라인을 쿼리로 사용할 경우, CVL에서 상위 1 정확도 95.31%를 기록하여 뛰어난 데이터 효율성을 입증한다.
• ICDAR2013 데이터셋에서는 상위 1 정확도 96.6%를 달성하여 다양한 글쓰기 스타일에 걸쳐 강력한 일반화 능력을 보여준다.
• 계산적으로 효율적이며, SIFT보다 LPS 계산 속도가 빠르며, 초모수를 조정하면 저잉크 템플릿 조건에서도 잘 작동한다.
• 템플릿에서 잉크가 부족할 경우 성능이 저하되므로, 저잉크 조건에서의 강건성 향상 필요성이 부각된다.