[논문 리뷰] Deep Learning based Isolated Arabic Scene Character Recognition

Saad Bin Ahmed, Saeeda Naz외 2명|arXiv (Cornell University)|2017. 04. 22.

Handwritten Text Recognition Techniques인용 수 6

한 줄 요약

이 논문은 기울기, 방향 변동성, 그리고 서체의 복잡성과 같은 도전 과제를 해결하기 위해 고립된 아랍어 스트리트 텍스트 문자 인식을 위한 딥러닝 접근법을 제안한다. 3×3 및 5×5 필터를 사용하고 스트라이드와 학습률을 최적화함으로써, 공개된 데이터셋이 제한된 상황에서도 아랍어 스트리트 텍스트 이미지의 일부에서 14.57%의 오차율을 달성하여, 서체 인식 분야에서 뛰어난 성능을 보여준다.

ABSTRACT

The technological advancement and sophistication in cameras and gadgets prompt researchers to have focus on image analysis and text understanding. The deep learning techniques demonstrated well to assess the potential for classifying text from natural scene images as reported in recent years. There are variety of deep learning approaches that prospects the detection and recognition of text, effectively from images. In this work, we presented Arabic scene text recognition using Convolutional Neural Networks (ConvNets) as a deep learning classifier. As the scene text data is slanted and skewed, thus to deal with maximum variations, we employ five orientations with respect to single occurrence of a character. The training is formulated by keeping filter size 3 x 3 and 5 x 5 with stride value as 1 and 2. During text classification phase, we trained network with distinct learning rates. Our approach reported encouraging results on recognition of Arabic characters from segmented Arabic scene images.

연구 동기 및 목표

• 자연 스트리트 이미지 내 고립된 아랍어 문자를 인식하는 데 도전하는 데 목적이 있으며, 이는 종종 기울어져 있고 노이즈가 많으며 방향이 다양하기 때문이다.
• 아랍어처럼 문맥적 형태 변화와 단어 간 간격이 없는 특성으로 인해 어려움을 겪는 서체 인식에 대해 컨볼루션 네트워크(ConvNets)의 효과성을 평가하는 것.
• 자체 제작된 아랍어 스트리트 텍스트 데이터셋을 바탕으로 명시적 전처리, 방향 증강, 하이퍼파rameter 최적화를 통해 정확도를 향상시키는 것.
• 미래 연구를 위한 기준을 마련하기 위해 아랍어 스트리트 텍스트 인식을 위한 데이터셋을 수집하고 준비하는 것.

제안 방법

• 이 방법은 3×3 및 5×5 필터 크기, 스트라이드 값 1과 2, 그리고 ReLU 활성화 함수를 사용하여 특징을 추출한다.
• 학습 중에는 각 문자에 대해 다섯 가지 다른 방향을 사용하여 스트리트 이미지에서 발생하는 기울기 및 회전 변화에 대응한다.
• 네트워크 아키텍처는 두 개의 컨볼루션 레이어 이후에 완전 연결 레이어가 오며, 일부 구성에서는 각 컨볼루션 레이어 이후에 맥스 풀링을 적용한다.
• 학습률은 경험적으로 조정되었으며, 0.005가 가장 우수한 성능을 보였고, 모델은 확률적 경사 하강법을 사용하여 훈련되었다.
• 전처리 과정을 통해 분할된 아랍어 문자의 균일한 표현을 확보한다.
• 이 접근법은 인스턴스 수준의 학습에 중점을 두며, 문맥적 순서 패턴이 아닌 세밀한 픽셀 수준의 특징을 추출한다.

실험 결과

연구 질문

• RQ1 기울기, 노이즈, 방향 변화가 존재하는 자연 스트리트 이미지 내 고립된 아랍어 문자를 인식하는 데 컨볼루션 네트워크가 효과적으로 기능할 수 있는가?
• RQ2 다른 필터 크기(3×3 대비 5×5)와 학습률 값이 아랍어 스트리트 텍스트 인식 정확도에 어떤 영향을 미치는가?
• RQ3 오차율을 최소화하기 위해 최적의 필터 크기, 스트라이드, 학습률 조합은 무엇인가?
• RQ4 방향 증강은 제약 조건이 있는 환경에서 아랍어 문자의 인식 성능을 어떻게 향상시키는가?

주요 결과

• 3×3 필터 크기가 학습률 0.005와 조합되었을 때 가장 낮은 오차율 14.57%를 기록했으며, 5×5 필터 구성보다 뛰어난 성능을 보였다.
• 각 문자에 대해 다섯 가지의 방향 변형을 사용함으로써 스트리트 이미지 내 기울기 및 회전 변화에 대한 강건성이 크게 향상되었다.
• 각 컨볼루션 레이어 이후에 맥스 풀링을 적용하고 추가로 완전 연결 레이어를 추가함으로써 오차율이 기본 설정 대비 27.01%에서 19.57%로 감소했다.
• 아랍어 스트리트 텍스트 이미지의 일부에서 모델은 14.57%의 오차율을 달성하여, 서체 인식 분야에서 강력한 잠재력을 보여주었다.
• 결과적으로 더 작은 필터 크기가 특히 음절 부호나 복잡한 형태를 가진 문자에서 더 세밀한 특징을 포착하는 데 유리하다는 것이 입증되었다.
• 제안된 방법은 기존의 SIFT 기반 접근법보다 우수한 성능을 보였으며, Tounsi 등 [23]에서 보고한 0.24의 오차율보다 낮은 오차율을 달성했다.