[論文レビュー] Multiple models of Bayesian networks applied to offline recognition of Arabic handwritten city names

Mohamed Ali Mahjoub, Nabil Ghanmy+2 more|arXiv (Cornell University)|Jan 18, 2013

Handwritten Text Recognition Techniques被引用数 11

ひとこと要約

本稿では、ZernikeおよびHuモーメントを用いたブロックワイズ特徴抽出、K-meansクラスタリング、および4種類のベイジアン分類器（ナイーブベイズ、TAN、FAN、DBN）を用いて、オフラインでのアラビア語手書き都市名認識のためのマルチモデルベイジアンネットワーク手法を提案する。FANおよびDBNが最も高い認識率を達成し、マルチライターのチュニジア都市名データセットにおいて優れた性能を示した。

ABSTRACT

In this paper we address the problem of offline Arabic handwriting word recognition. Off-line recognition of handwritten words is a difficult task due to the high variability and uncertainty of human writing. The majority of the recent systems are constrained by the size of the lexicon to deal with and the number of writers. In this paper, we propose an approach for multi-writers Arabic handwritten words recognition using multiple Bayesian networks. First, we cut the image in several blocks. For each block, we compute a vector of descriptors. Then, we use K-means to cluster the low-level features including Zernik and Hu moments. Finally, we apply four variants of Bayesian networks classifiers (Na\\"ive Bayes, Tree Augmented Na\\"ive Bayes (TAN), Forest Augmented Na\\"ive Bayes (FAN) and DBN (dynamic bayesian network) to classify the whole image of tunisian city name. The results demonstrate FAN and DBN outperform good recognition rates

研究の動機と目的

• 複数のライターにわたる高変動性および不確実性に起因するオフラインアラビア語手書き語認識の課題に対処すること。
• 小規模な語彙サイズおよびライター多様性の制限に縛られる既存システムの限界を克服すること。
• アラビア文字の多様な書体に対応可能な耐障害性の高い認識フレームワークの構築。
• アラビア語都市名認識に最も効果的なモデルを同定するため、複数のベイジアンネットワーク変種の評価。
• 空間的ブロック解析と統計的特徴クラスタリングの統合により、認識精度の向上。

提案手法

• アラビア語手書き都市名の入力画像を空間的ブロックに分割し、局所的な構造的パターンを捉える。
• 各ブロックからZernikeおよびHuモーメントを用いて低レベルの視覚的記述子を抽出し、形状表現のロバスト性を向上。
• 類似した特徴ベクトルをグループ化するためK-meansクラスタリングを適用し、次元削減と識別力の向上を実現。
• クラスタリングされた特徴に対して、4種類のベイジアンネットワーク変種（ナイーブベイズ、ツリー拡張ナイーブベイズ（TAN）、フォレスト拡張ナイーブベイズ（FAN）、ダイナミックベイジアンネットワーク（DBN））を訓練。
• 最終的な都市名予測のため、ブロックレベル特徴を統合した全画像表現を分類器の入力として使用。
• 特徴間の条件付き依存関係をモデル化することで分類を最適化し、DBNはブロック列における時間的または逐次的構造を捉える。

実験結果

リサーチクエスチョン

• RQ1 マルチライター条件下で、異なるベイジアンネットワークアーキテクチャは、オフラインアラビア語手書き都市名認識においてどのように性能を発揮するか？
• RQ2 K-meansによる特徴クラスタリングは、書体の変動が顕著な状況下で、認識精度をどの程度向上させるか？
• RQ3 FANおよびDBNモデルは、アラビア文字特徴の複雑な依存関係を、従来のナイーブベイズおよびTANよりも効果的に捉えることができるか？
• RQ4 ZernikeおよびHuモーメントを用いたブロックワイズ特徴抽出戦略は、アラビア語語認識においてどの程度有効か？
• RQ5 空間的ブロック特徴と確率的モデリングを統合することで、全体の認識性能にどのような影響を与えるか？

主な発見

• FANおよびDBN分類器が、全テストモデルの中で最も高い認識率を達成し、ナイーブベイズおよびTANを上回った。
• ZernikeおよびHuモーメント特徴に対するK-meansクラスタリングの適用により、特徴表現の質が向上し、分類のロバスト性が向上した。
• ブロックワイズ処理により、局所的特徴の捉えが強化され、多様な書体への一般化性能が向上した。
• 空間的ブロック特徴とベイジアンネットワークの統合により、グローバル特徴のみを用いる手法と比較して、認識精度が顕著に向上した。
• DBNは、ブロック間の逐次的依存関係をモデル化でき、筆記のパターンに時間的構造が存在することを示唆した。
• 本研究は、特にFANおよびDBN変種を用いることで、マルチライター向けのアラビア語手書き語認識にマルチモデルベイジアンネットワークが有効であることを確認した。