[論文レビュー] A comparative study of different feature sets for recognition of handwritten Arabic numerals using a Multi Layer Perceptron

Nibaran Das, Ayatullah Faruk Mollah+2 more|arXiv (Cornell University)|Mar 9, 2010

Handwritten Text Recognition Techniques参考文献 5被引用数 4

ひとこと要約

この論文は、マルチレイヤーパーセプトロン（MLP）分類器を用いて、手書きアラビア数字の認識に向け、影付き特徴、8分角重心、最長ラン、動的重心といった7つの特徴セットを評価している。3,000サンプルのデータセット上で、最高の認識率95.80％が達成された。その特徴の組み合わせは2つである：影付き特徴と重心特徴（88特徴）および影付き特徴、重心特徴、最長ラン特徴（124特徴）。後者は次元数が低いため、OCRアプリケーションにおいて好ましいとされている。

ABSTRACT

The work presents a comparative assessment of seven different feature sets for recognition of handwritten Arabic numerals using a Multi Layer Perceptron (MLP) based classifier. The seven feature sets employed here consist of shadow features, octant centroids, longest runs, angular distances, effective spans, dynamic centers of gravity, and some of their combinations. On experimentation with a database of 3000 samples, the maximum recognition rate of 95.80% is observed with both of two separate combinations of features. One of these combinations consists of shadow and centriod features, i. e. 88 features in all, and the other shadow, centroid and longest run features, i. e. 124 features in all. Out of these two, the former combination having a smaller number of features is finally considered effective for applications related to Optical Character Recognition (OCR) of handwritten Arabic numerals. The work can also be extended to include OCR of handwritten characters of Arabic alphabet.

研究の動機と目的

• 多様な特徴セットの手書きアラビア数字認識への有効性を評価すること。
• マルチレイヤーパーセプトロンを用いた高精度な認識に最適な特徴の組み合わせを特定すること。
• 簡略化された特徴セットが、実用的なOCRアプリケーションにおいても高い認識性能を維持できるかどうかを検証すること。
• 本手法をアラビア文字の認識に拡張する可能性を検討すること。

提案手法

• 手書きアラビア数字画像から7つの異なる特徴セットを抽出した：影付き特徴、8分角重心、最長ラン、角度距離、有効スパン、動的重心、およびそれらの組み合わせ。
• マルチレイヤーパーセプトロン（MLP）分類器を、3,000サンプルの手書きアラビア数字データセット上で学習およびテストした。
• 交差検証を用いて特徴の組み合わせを評価し、認識精度を測定した。
• 各特徴セットの性能は、テストセット上で達成された認識率によって測定された。
• 最終的な選定は、認識精度と特徴数の両方を重視し、コンパクトでありながら効果的な特徴の組み合わせを優先した。

実験結果

リサーチクエスチョン

• RQ1 マルチレイヤーパーセプトロン分類器を用いた場合、どの特徴セットが手書きアラビア数字の認識精度を最も高めるか？
• RQ2 組み合わせ特徴セットは、個別の特徴セットと比較して、認識性能においてどのように異なるか？
• RQ3 簡略化された特徴セットは、計算効率を向上させながらも高い正確性を維持できるか？
• RQ4 この分類タスクにおいて、特徴次元数と認識率の最適なバランスは何か？

主な発見

• 最高の認識率95.80％は、2つの特徴の組み合わせで達成された：影付き特徴と重心特徴（88特徴）、および影付き特徴、重心特徴、最長ラン特徴（124特徴）。
• 影付き特徴と重心特徴の組み合わせは、認識精度と特徴数のバランスが最良であり、実用的なOCRアプリケーションに最も適している。
• 最長ラン特徴を追加することで性能はわずかに向上したが、次元数が増加し、効率が低下した。
• 個々の特徴セットの中で、影付き特徴と8分角重心が認識精度に顕著な寄与を示した。
• 結果から、この認識タスクにおいてハイブリッド特徴セットは単一特徴アプローチを上回ることが示された。
• 本研究は、適切に選択された特徴を用いたMLPベースの分類が、手書きアラビア数字認識に実現可能であることを示している。