[논문 리뷰] Online Stroke and Akshara Recognition GUI in Assamese Language Using Hidden Markov Model

S. R. Mahadeva Prasanna, R. Meena Devi외 3명|arXiv (Cornell University)|2014. 07. 09.

Handwritten Text Recognition Techniques참고 문헌 6인용 수 6

한 줄 요약

이 논문은 은닉 마르코프 모델(HMMs)과 언어 규칙을 사용하여 온라인 아삼어 스트로크 및 악샤라(문자) 인식 시스템을 제시한다. 스트로크 패턴을 모델링하고 HMM과 함께 사용된 규칙 기반 제약 조건을 통합함으로써 GUI 및 HTK 툴킷을 동적 연결 라이브러리(DLL)를 통해 통합하여 스트로크 수준에서 94.14%의 정확도와 악샤라 수준에서 84.2%의 정확도를 달성하였다.

ABSTRACT

The work describes the development of Online Assamese Stroke & Akshara Recognizer based on a set of language rules. In handwriting literature strokes are composed of two coordinate trace in between pen down and pen up labels. The Assamese aksharas are combination of a number of strokes, the maximum number of strokes taken to make a combination being eight. Based on these combinations eight language rule models have been made which are used to test if a set of strokes form a valid akshara. A Hidden Markov Model is used to train 181 different stroke patterns which generates a model used during stroke level testing. Akshara level testing is performed by integrating a GUI (provided by CDAC-Pune) with the Binaries of HTK toolkit classifier, HMM train model and the language rules using a dynamic linked library (dll). We have got a stroke level performance of 94.14% and akshara level performance of 84.2%.

연구 동기 및 목표

• 실시간 손글씨 입력을 지원하는 아삼어 스크립트를 위한 온라인 인식 시스템을 개발하기 위해.
• 정확한 패턴 인식을 위해 은닉 마르코프 모델(HMMs)을 사용하여 개별 스트로크를 모델링하기 위해.
• 스트로크 조합을 유효한 악샤라로 만드는 데 사용되는 언어 규칙을 정의하고 적용하기 위해.
• 상호작용 가능한 사용을 위해 인식 엔진을 그래픽 사용자 인터페이스(GUI)와 통합하기 위해.
• 통합 HMM 및 규칙 기반 접근 방식을 통해 스트로크 및 악샤라 수준에서 높은 인식 정확도를 달성하기 위해.

제안 방법

• 181개의 고유한 스트로크 패턴을 은닉 마르코프 모델(HMMs)을 사용하여 훈련하여 스트로크 수준의 분류를 수행하였다.
• 한 악샤라당 최대 8개의 스트로크를 기반으로 하여 8개의 언어 규칙 모델을 정의하여 스트로크 조합의 유효성을 검증하였다.
• HTK 툴킷의 HMM 분류기와 CDAC- Pune에서 개발한 GUI를 동적 연결 라이브러리(DLL)를 통해 통합하였다.
• 온라인 손글씨 데이터에서 스트로크 트레이스를 펜 다운 및 펜 업 이벤트로 정의하였다.
• HMM 출력 결과와 규칙 기반 검증을 결합하여 문법적으로 유효한 악샤라만 수락하도록 하였다.
• 사전에 정의된 언어 규칙에 따라 인식된 스트로크를 집계하여 악샤라 수준의 테스트를 수행하였다.

실험 결과

연구 질문

• RQ1 HMM 기반 모델링이 아삼어 스크립트의 개별 온라인 스트로크 인식에서 높은 정확도를 달성할 수 있는가?
• RQ2 언어 규칙은 스트로크 조합을 유효한 악샤라로 만드는 데 얼마나 효과적인가?
• RQ3 HMM과 규칙 기반 검증을 통합한 GUI 기반 시스템의 성능은 온라인 아삼어 손글씨 인식에서 어떠한가?
• RQ4 HMM과 언어 제약 조건을 융합한 하이브리드 접근 방식은 HMM 단독 사용보다 인식 정확도를 향상시킬 수 있는가?
• RQ5 실시간 시스템에서 스트로크 수준과 악샤라 수준의 인식 정확도 사이의 상충 관계는 어떠한가?

주요 결과

• 181개의 고유한 스트로크 패턴을 훈련한 HMM을 사용하여 스트로크 수준의 인식 정확도가 94.14%에 도달하였다.
• HMM 출력 결과와 언어 규칙 검증을 결합함으로써 악샤라 수준의 인식 정확도가 84.2%에 도달하였다.
• 규칙 기반 제약 조건의 통합은 잘못된 스트로크 조합을 걸러내어 악샤라 인식의 신뢰성을 크게 향상시켰다.
• HTK 기반 HMM 분류와 통합된 GUI를 사용함으로써 실시간으로 상호작용 가능한 온라인 손글씨 인식이 가능해졌다.
• 동적 연결 라이브러리(DLL) 인터페이스를 통해 GUI, HMM 분류기, 언어 규칙 엔진 간의 원활한 통신이 성공적으로 구현되었다.
• 결과는 아삼어와 같이 자원이 제한된 스크립트에 통계적 모델링(HMMs)과 언어 제약 조건을 융합하는 것이 가능함을 보여주었다.