[论文解读] Handwritten Urdu Character Recognition using 1-Dimensional BLSTM Classifier

Saad Bin Ahmed, Saeeda Naz+2 more|arXiv (Cornell University)|May 15, 2017

Handwritten Text Recognition Techniques参考文献 27被引用 6

一句话总结

本文介绍了乌尔都语-纳斯塔利格手写数据集（UNHD），这是一个涵盖500位书写者自然手写的完整离线数据集，并提出了一种一维双向长短期记忆（1D BLSTM）网络用于手写乌尔都语字符识别。该方法通过建模连笔乌尔都语文字中的序列依赖关系，实现了高准确率，有效应对了连字和书写风格多变带来的挑战。

ABSTRACT

The recognition of cursive script is regarded as a subtle task in optical character recognition due to its varied representation. Every cursive script has different nature and associated challenges. As Urdu is one of cursive language that is derived from Arabic script, thats why it nearly shares the same challenges and difficulties even more harder. We can categorized Urdu and Arabic language on basis of its script they use. Urdu is mostly written in Nastaliq style whereas, Arabic follows Naskh style of writing. This paper presents new and comprehensive Urdu handwritten offline database name Urdu-Nastaliq Handwritten Dataset (UNHD). Currently, there is no standard and comprehensive Urdu handwritten dataset available publicly for researchers. The acquired dataset covers commonly used ligatures that were written by 500 writers with their natural handwriting on A4 size paper. We performed experiments using recurrent neural networks and reported a significant accuracy for handwritten Urdu character recognition.

研究动机与目标

• 为解决乌尔都语手写字符识别领域缺乏公开可用、全面的离线数据集的问题。
• 开发一种鲁棒的连笔乌尔都语文字识别系统，以应对纳斯塔利格书写风格带来的高度可变性以及频繁出现的连字现象。
• 评估循环神经网络（特别是1D BLSTM）在建模连笔乌尔都语字符序列模式方面的有效性。
• 通过标准化数据集与深度学习方法，为未来乌尔都语手写文本识别研究建立基准。

提出的方法

• 作者收集了一个新的离线手写数据集——乌尔都语-纳斯塔利格手写数据集（UNHD），包含500位书写者在A4纸上的手写样本。
• 该数据集包含常用连字，并真实反映了纳斯塔利格书写体典型的自然书写差异。
• 采用一维双向长短期记忆网络（1D BLSTM）来建模连笔字符笔画中的序列依赖关系。
• 1D BLSTM将输入处理为像素行序列，捕捉图像中跨区域的空间与上下文关系。
• 使用随机梯度下降配合时间反向传播进行端到端训练。
• 模型架构设计用于处理乌尔都语文字的方向性与连通性，从而提升对复杂连字的识别能力。

实验结果

研究问题

• RQ1 尽管纳斯塔利格书写体存在高度可变性，1D BLSTM模型是否能有效识别手写乌尔都语字符？
• RQ2 在大规模真实世界乌尔都语手写数据集上，所提出的1D BLSTM模型与传统方法相比，准确率如何？
• RQ3 UNHD数据集中包含自然手写差异与连字，对模型泛化能力的提升程度如何？
• RQ4 1D BLSTM模型在新引入的UNHD数据集上的识别准确率是多少？

主要发现

• 所提出的1D BLSTM模型在UNHD数据集上实现了显著的识别准确率，展现出对连笔乌尔都语字符的强大性能。
• UNHD数据集的发布为未来乌尔都语手写字符识别研究提供了标准化基准。
• 该模型有效捕捉了连笔文字中的序列依赖关系，尤其在识别连字与连接字符方面具有显著优势。
• 使用包含500位书写者真实手写的大型多样化数据集，显著提升了模型的鲁棒性与泛化能力。