[论文解读] Handwritten and Machine printed OCR for Geez Numbers Using Artificial Neural Network

Eyob Gebretinsae Beyene|arXiv (Cornell University)|Nov 15, 2019

Handwritten Text Recognition Techniques被引用 6

一句话总结

本研究提出一种前馈反向传播人工神经网络，用于离线识别手写体和印刷体盖兹数字，使用包含560张图像的数据集（460张用于训练，100张用于测试）。该方法在整体分类准确率上达到89.88%，填补了埃塞俄比亚历史手稿数字化过程中对盖兹数字识别研究的空白，因为盖兹数字在宗教和历法文本中广泛使用，但此前的埃塞俄比亚文字研究中常被忽视。

ABSTRACT

Researches have been done on Ethiopic scripts. However studies excluded the Geez numbers from the studies because of different reasons. This paper presents offline handwritten and machine printed Geez number recognition using feed forward back propagation artificial neural network. On this study, different Geez image characters were collected from google image search and three persons are instructed to write the numbers using pencil. In total we have collected 560 numbers of characters. We have used 460 of the characters for training and 100 are used for testing. Accordingly we have achieved overall all classification ~89:88%

研究动机与目标

• 解决尽管盖兹数字在埃塞俄比亚宗教和历史文献中普遍存在，但其识别研究仍显不足的问题。
• 开发一种基于机器学习的系统，能够识别手写体和印刷体的盖兹数字。
• 通过实现盖兹数字到数字文本的准确转换，推动埃塞俄比亚历史手稿的数字化进程。
• 探索使用人工神经网络识别研究不足的非洲语言中特定文字数字的可行性。

提出的方法

• 从Google图片、圣经资料以及三位个人的手写样本中收集了560张盖兹数字图像。
• 通过转换为灰度图、二值化、反转图像（确保前景字符像素为'1'）以及分割单个字符，对图像进行预处理。
• 将分割后的字符统一缩放为45×40像素的尺寸，以确保输入神经网络的一致性。
• 设计了一个包含三层隐藏层（分别含20、15和10个神经元）的多层前馈反向传播神经网络，并设置一个包含20个神经元的输出层，代表20个盖兹数字符号。
• 使用共轭梯度反向传播算法并采用Polak-Ribière更新策略进行网络训练，输入向量通过将45×40的图像矩阵展平为1800维列向量构成。
• 采用5位二进制编码表示输出标签，将每个数字映射为唯一的二进制向量。

实验结果

研究问题

• RQ1 前馈反向传播神经网络能否有效识别手写体和印刷体的盖兹数字？
• RQ2 该神经网络在盖兹数字识别任务中，其在训练数据与测试数据上的性能表现有何差异？
• RQ3 图像预处理与分割步骤在多大程度上提升了盖兹数字的识别准确率？
• RQ4 有限的训练数据规模对模型整体分类性能有何影响？
• RQ5 能否将已在阿姆哈拉语/盖兹文字上训练的现有神经网络架构适配用于盖兹数字识别，并达到可接受的准确率？

主要发现

• 所提出系统的整体分类准确率在全部100张测试图像上达到89.88%。
• 训练分类准确率高达98.03%，表明模型在训练数据上具有强大的学习能力。
• 测试准确率为65.3%，表明与训练性能相比存在显著下降，可能由于数据不平衡或测试集规模有限。
• 模型在训练数据上表现出较强的泛化能力，但在未见过的测试样本上表现不佳，凸显了数据稀缺是主要限制因素。
• 图像预处理步骤（包括二值化、图像反转和缩放）对于保持一致的输入表示并提升网络性能至关重要。
• 采用5位二进制编码表示输出标签，有效支持了20种不同盖兹数字符号的多分类识别。