[论文解读] Spatial Features for Multi-Font/Multi-Size Kannada Numerals and Vowels Recognition

B.V. Dhandra, Mallikarjun Hangarge+1 more|arXiv (Cornell University)|Jul 6, 2011

Handwritten Text Recognition Techniques参考文献 11被引用 6

一句话总结

本文提出了一种基于空间特征的方法，用于识别多字体和多尺寸的卡纳达语数字和元音，采用笔画密度、笔画长度和笔画数量作为区分性特征。通过多类支持向量机（SVM）分类，系统在数字识别上达到98.45%的准确率，在元音识别上达到90.64%的准确率，展现出在多种字体和尺寸变化下的优异性能。

ABSTRACT

This paper presents multi-font/multi-size Kannada numerals and vowels recognition based on spatial features. Directional spatial features viz stroke density, stroke length and the number of stokes in an image are employed as potential features to characterize the printed Kannada numerals and vowels. Based on these features 1100 numerals and 1400 vowels are classified with Multi-class Support Vector Machines (SVM). The proposed system achieves the recognition accuracy as 98.45% and 90.64% for numerals and vowels respectively.

研究动机与目标

• 为解决在不同字体和尺寸下识别印刷体卡纳达语数字和元音的挑战。
• 开发一种鲁棒的特征集，以捕捉与字体和尺寸变化无关的结构特征。
• 评估方向性空间特征——笔画密度、笔画长度和笔画数量——在字符识别中的有效性。
• 利用机器学习分类器在真实印刷卡纳达语文本上实现高识别准确率。
• 为卡纳达文字的光学字符识别（OCR）提供一种可扩展的解决方案，该文字在计算语言学中属于低资源语言。

提出的方法

• 该方法从卡纳达语字符的二值图像中提取方向性空间特征：笔画密度、笔画长度和笔画数量。
• 预处理包括二值化和噪声减少，以提高特征提取的准确性。
• 对特征进行归一化后输入多类支持向量机（SVM）进行分类。
• 系统在来自多种字体和尺寸的1,100个卡纳达语数字和1,400个元音上进行训练。
• SVM采用一对一策略对多个字符类别进行分类。
• 应用交叉验证以在不同字体和尺寸条件下评估性能。

实验结果

研究问题

• RQ1 笔画密度、笔画长度和笔画数量等空间特征是否能有效表征不同字体和尺寸下卡纳达语数字和元音的结构差异？
• RQ2 与传统方法相比，所提出的特征集在多字体和多尺寸卡纳达语字符识别中的准确率表现如何？
• RQ3 基于空间特征训练的SVM分类器在未见过的字体和尺寸变化下具有多大程度的泛化能力？
• RQ4 仅使用空间特征时，卡纳达文字OCR的识别准确率上限是多少？
• RQ5 基于笔画几何的紧凑特征集是否能在不依赖复杂深度学习架构的情况下实现高性能？

主要发现

• 该系统在多种字体和尺寸下对卡纳达语数字的识别准确率达到98.45%。
• 对于卡纳达语元音，使用相同的特征和分类器框架，识别准确率达到90.64%。
• 笔画密度、笔画长度和笔画数量的组合提供了足够的区分能力，实现稳健分类。
• 该方法在字体和尺寸变化下表现出强大的泛化能力，表明特征具有鲁棒性。
• 在该低资源语言设置下，SVM与空间特征的结合优于基线方法。
• 结果证实，手工设计的空间特征无需大规模标注数据集或深度学习模型即可实现高准确率。