[论文解读] Handwritten Farsi Character Recognition using Artificial Neural Network

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

Handwritten Text Recognition Techniques参考文献 11被引用 10

一句话总结

本文提出一种使用误差反向传播训练的多层感知机（MLP）用于手写波斯文字符识别，采用来自五位不同作者的250个样本的数据集。该系统实现了超过80%的识别准确率，证明了反向传播训练的MLP在波斯文HCR中的有效性，尽管该领域先前的研究较少。

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.

研究动机与目标

• 开发一种基于人工神经网络的自动手写波斯文字符识别（HCR）系统。
• 解决与英文字符识别相比，波斯文HCR研究稀缺的问题。
• 优化多层感知机中隐藏节点的数量，以提升识别性能。
• 评估反向传播训练的MLP网络在真实世界手写波斯文样本上的性能。
• 证明前馈神经网络在识别连笔、风格多变的波斯文字符方面的可行性。

提出的方法

• 以具有一个隐藏层的多层感知机（MLP）作为字符分类的核心架构。
• 应用误差反向传播算法，利用带标签的手写波斯文字符样本训练MLP网络。
• 对来自不同年龄组和性别的五位作者的250个手写样本进行特征提取。
• 在多种手写风格上进行训练，以提高模型的泛化能力和鲁棒性。
• 开展分析以确定隐藏节点的最佳数量，以最大化识别准确率并最小化内存使用。
• 使用源自同一数据集的测试集对系统进行评估，以衡量识别性能。

实验结果

研究问题

• RQ1 使用反向传播的多层感知机能否有效识别手写波斯文字符？
• RQ2 在波斯文HCR中，实现高识别准确率的MLP最优隐藏节点数量是多少？
• RQ3 在波斯文字符识别中，反向传播训练的MLP在准确率和内存效率方面与其它方法相比如何？
• RQ4 在多种手写风格上进行训练在多大程度上提升了识别的鲁棒性？
• RQ5 前馈神经网络能否在真实世界的手写波斯文数据集上实现超过80%的准确率？

主要发现

• 使用误差反向传播算法训练的MLP在手写波斯文字符数据集上实现了超过80%的识别准确率。
• 与替代方法相比，该系统在识别准确率和内存使用方面均表现出更优性能。
• 通过分析确定了最优隐藏节点数量，显著提升了网络效率和准确率。
• 在来自不同年龄组和性别的男性与女性参与者的多样化手写样本上进行训练，增强了模型的泛化能力。
• 结果证实，基于反向传播的MLP是手写波斯文字符识别的一种可行且高效解决方案。
• 本研究为未来基于人工神经网络的波斯文OCR研究提供了基础框架。