[논문 리뷰] Text recognition in both ancient and cartographic documents

Nizar Zaghden, Khelifi, Badreddine외 2명|arXiv (Cornell University)|2013. 08. 28.

Handwritten Text Recognition Techniques참고 문헌 7인용 수 10

한 줄 요약

이 논문은 고대 및 지도 문서의 텍스트 인식을 위한 새로운 워드스포팅 접근법을 제안하며, 정규화, 국소적 및 전역적 특징, 문자 수준의 이미지 비교를 융합한다. 이 방법은 전체 단어 이미지가 아닌 문자 이미지 매칭에 초점을 맞추어 정밀도와 재현율을 향상시켜 고대 수기 및 지도에서 모두 효과를 입증한다.

ABSTRACT

This paper deals with the recognition and matching of text in both cartographic maps and ancient documents. The purpose of this work is to find similar text regions based on statistical and global features. A phase of normalization is done first, in object to well categorize the same quantity of information. A phase of wordspotting is done next by combining local and global features. We make different experiments by combining the different techniques of extracting features in order to obtain better results in recognition phase. We applied fontspotting on both ancient documents and cartographic ones. We also applied the wordspotting in which we adopted a new technique which tries to compare the images of character and not the entire images words. We present the precision and recall values obtained with three methods for the new method of wordspotting applied on characters only.

연구 동기 및 목표

• 낮은 가독성과 높은 시각적 변동성이 있는 고대 및 지도 문서에서 텍스트를 인식하고 매칭하는 데 도전하는 것.
• 역사적 및 지도 자료에서 흔히 볼 수 있는 열악한 상태, 비균일하고 스타일화된 글자체를 다룰 수 있는 견고한 텍스트 인식 시스템을 개발하는 것.
• 정규화 전처리 단계를 통해 국소적 및 전역적 특징을 융합하여 인식 성능을 향상시키는 것.
• 전체 단어가 아닌 개별 문자 이미지를 비교하는 새로운 워드스포팅 기법을 도입하는 것.
• 고대 수기 및 역사 지도의 실제 데이터셋을 대상으로 방법의 효과성을 평가하는 것.

제안 방법

• 이미지 특성을 표준화하고 문서 간 일관된 정보 표현을 확보하기 위해 정규화 단계를 적용한다.
• 인식 시스템의 구분 능력을 향상시키기 위해 국소적 및 전역적 특징을 융합한다.
• 전체 단어가 아닌 개별 문자 이미지를 비교하는 새로운 워드스포팅 기법을 도입한다.
• 성능 최적화를 위해 특징 추출 기법을 체계적으로 융합한다.
• 고대 및 지도 문서에서 시각적 유사성 기반으로 유사한 텍스트 영역을 매칭하기 위해 통계 분석을 활용한다.
• 다양한 특징 추출 조합을 사용하여 내성적 및 정확도를 평가하기 위해 실험을 수행한다.

실험 결과

연구 질문

• RQ1 왜곡되고 스타일화된 글자체를 가진 고대 및 지도 문서에서 텍스트 인식을 어떻게 향상시킬 수 있는가?
• RQ2 국소적 및 전역적 특징을 융합할 경우 도전적인 문서 유형에서 인식 정확도에 어떤 영향을 미치는가?
• RQ3 워드스포팅 작업에서 전체 단어 이미지 비교 대비 문자 수준의 이미지 비교가 더 우수한 성능을 낼 수 있는가?
• RQ4 정규화가 다양한 문서 유형 간 텍스트 인식의 일관성과 성능에 어떤 영향을 미치는가?
• RQ5 제안된 문자 기반 워드스포팅 방법이 달성한 정밀도 및 재현율 값은 무엇인가?

주요 결과

• 제안된 문자 수준의 워드스포팅 방법은 기존의 전체 단어 기반 접근법보다 더 높은 정밀도와 재현율을 달성한다.
• 국소적 및 전역적 특징을 융합하면 고대 및 지도 문서에서 인식 성능이 크게 향상된다.
• 정규화 과정은 특징 일관성을 향상시켜 더 신뢰할 수 있는 텍스트 영역 매칭을 가능하게 한다.
• 이 방법은 역사적 수기 및 오래된 지도를 포함한 다양한 문서 유형에서 뛰어난 내성적 성능을 보인다.
• 새로운 방법에 대해 정밀도 및 재현율 값이 보고되었지만, 개요에는 정확한 수치가 기재되어 있지 않다.
• 결과는 저품질 및 스타일화된 문서 이미지에서 워드스포팅을 위해 문자 이미지에 초점을 맞추는 것이 효과적임을 확인한다.