[논문 리뷰] Handwritten Farsi Character Recognition using Artificial Neural Network

Reza Gharoie Ahangar, Mohammad Farajpoor Ahangar|ArXiv.org|2009. 08. 30.

Handwritten Text Recognition Techniques참고 문헌 11인용 수 10

한 줄 요약

이 논문은 5명의 다양한 작가로부터 수집한 250개의 샘플을 포함한 데이터셋을 사용하여 손글씨 페르시어 문자 인식을 위한 오차 역전파를 적용한 다층 퍼셉트론(MLP)을 제안한다. 시스템은 80% 이상의 인식 정확도를 달성하여, 이 분야에서 이전에 거의 연구되지 않은 페르시어 HCR 분야에서 역전파로 학습된 MLP의 효과성을 입증한다.

ABSTRACT

Neural Networks are being used for character recognition from last many years but most of the work was confined to English character recognition. Till date, a very little work has been reported for Handwritten Farsi Character recognition. In this paper, we have made an attempt to recognize handwritten Farsi characters by using a multilayer perceptron with one hidden layer. The error backpropagation algorithm has been used to train the MLP network. In addition, an analysis has been carried out to determine the number of hidden nodes to achieve high performance of backpropagation network in the recognition of handwritten Farsi characters. The system has been trained using several different forms of handwriting provided by both male and female participants of different age groups. Finally, this rigorous training results an automatic HCR system using MLP network. In this work, the experiments were carried out on two hundred fifty samples of five writers. The results showed that the MLP networks trained by the error backpropagation algorithm are superior in recognition accuracy and memory usage. The result indicates that the backpropagation network provides good recognition accuracy of more than 80% of handwritten Farsi characters.

연구 동기 및 목표

• 인공 신경망을 사용하여 자동 손글씨 페르시어 문자 인식(HCR) 시스템을 개발한다.
• 영문자 인식에 비해 페르시어 HCR 분야의 연구 부족 문제를 해결한다.
• 향상된 인식 성능을 위해 다층 퍼셉트론의 은닉 노드 수를 최적화한다.
• 실제 손글씨 페르시어 표본에 대해 역전파로 학습된 MLP 네트워크의 성능을 평가한다.
• 기울기 하강법 기반의 피드포워드 신경망이 변형된 스타일의 페르시어 문자를 인식하는 데 가능성을 입증한다.

제안 방법

• 문자 분류의 핵심 아키텍처로 하나의 은닉층을 가진 다층 퍼셉트론(MLP)을 사용하였다.
• 라벨이 부여된 손글씨 페르시어 문자 샘플을 사용하여 오차 역전파 알고리즘을 적용해 MLP 네트워크를 학습시켰다.
• 다양한 연령대와 성별의 5명의 작가로부터 수집한 250개의 손글씨 샘플에 대해 특징 추출을 수행하였다.
• 다양한 손글씨 스타일로 학습시켜 일반화 능력과 견고성을 향상시켰다.
• 최적의 은닉 노드 수를 도출하기 위해 분석을 실시하여, 인식 정확도를 극대화하고 메모리 사용량을 최소화하였다.
• 성능 평가를 위해 동일한 데이터셋에서 파생된 테스트 세트를 사용하여 인식 성능을 측정하였다.

실험 결과

연구 질문

• RQ1 오차 역전파를 적용한 다층 퍼셉트론은 손글씨 페르시어 문자를 효과적으로 인식할 수 있는가?
• RQ2 페르시어 HCR에서 높은 인식 정확도를 달성하기 위해 MLP의 최적의 은닉 노드 수는 얼마인가?
• RQ3 정확도와 메모리 효율성 측면에서, 역전파로 학습된 MLP의 성능은 다른 방법과 비교해 어떻게 되는가?
• RQ4 다양한 손글씨 스타일로 학습하는 것이 얼마나 인식의 견고성을 향상시키는가?
• RQ5 피드포워드 신경망은 실제 손글씨 페르시어 데이터셋에서 80% 이상의 정확도를 달성할 수 있는가?

주요 결과

• 오차 역전파 알고리즘으로 학습된 MLP는 손글씨 페르시어 문자 데이터셋에서 80% 이상의 인식 정확도를 달성하였다.
• 다른 접근 방식과 비교해 시스템은 인식 정확도와 메모리 사용량 측면에서 뛰어난 성능을 보였다.
• 분석을 통해 최적의 은닉 노드 수가 도출되었으며, 이는 네트워크의 효율성과 정확도 향상에 기여하였다.
• 남성 및 여성 참가자들(다양한 연령대)의 다양한 손글씨 샘플로 학습함으로써 모델의 일반화 능력이 향상되었다.
• 결과적으로, 역전파 기반의 MLP가 손글씨 페르시어 문자 인식에 실현 가능하고 효과적인 솔루션임을 확인하였다.
• 본 연구는 인공 신경망을 활용한 페르시어 OCR 분야의 향후 연구를 위한 기초 프레임워크를 제공한다.