Warning:
ERROR: LaTeX does not work properly.in /var/www/html/plugin/processor/latex.php on line 210
¶
see also 기
coarse , 거
coarse , 거
2012/11/16 ¶
- Experiments in Unconstrained Offline Handwritten Text Recognition
- 까 1 1기 Linear Algebra and Its Applications 1.10, 2.1, 2.2 기
2012/11/29 ¶
Experiments in Unconstrained Offline Handwritten Text Recognition( 기 ) ¶
기 개. . , (feature extraction), 계 고 , , 기 . (Linear Discriminant Analysis), (allograph) , 계 .
1
기 . 금까 기 기 . 14 개 (unconstrained) 기 거 . 그 게 기 경계 . 그 기 기 , 계 기 .
기, (lexicon)-free 기 개고 그고 , . 개고 , , 계 교 기 . 그 기 게 . 3 개. 그 , , 계 과 기 . 결과 기 7 개.
기 . 금까 기 기 . 14 개 (unconstrained) 기 거 . 그 게 기 경계 . 그 기 기 , 계 기 .
기, (lexicon)-free 기 개고 그고 , . 개고 , , 계 교 기 . 그 기 게 . 3 개. 그 , , 계 과 기 . 결과 기 7 개.
2
근 간 기 . legal amount 기 , 개 고 고 개 거 . 2 8
거 계 기 . 개 과 기 . 기 개 개. 1, 9, 11, 18, 15, 17 . (HMM) 그고 경과 HMM 기 각각 1, 18과 15 . 15 고 1, 18 고 . 16 기 게 .
기 기 9 , 기 . 고 계 과 결 결과 . 11 고 , . 간 근 . 그 , HMM 과 계 (LDA) 결과 .
근 간 기 . legal amount 기 , 개 고 고 개 거 . 2 8
거 계 기 . 개 과 기 . 기 개 개. 1, 9, 11, 18, 15, 17 . (HMM) 그고 경과 HMM 기 각각 1, 18과 15 . 15 고 1, 18 고 . 16 기 게 .
기 기 9 , 기 . 고 계 과 결 결과 . 11 고 , . 간 근 . 그 , HMM 과 계 (LDA) 결과 .
3 (corpus)
과 공고 각각 Lancaster-Oslo/Bergen 기. 7 Bern IAM 기 10 . ( , 교, 기 , ...) 고 500 1200개 기 구. 250 a..f form과 c03 .
기 Senior 15 기 . 25 구 공개 .1 기 256 그 300dpi . 그 1 각 .
1 ftp://svr-ftp.eng.cam.ac.uk/pub/data
과 공고 각각 Lancaster-Oslo/Bergen 기. 7 Bern IAM 기 10 . ( , 교, 기 , ...) 고 500 1200개 기 구. 250 a..f form과 c03 .
기 Senior 15 기 . 25 구 공개 .1 기 256 그 300dpi . 그 1 각 .
1 ftp://svr-ftp.eng.cam.ac.uk/pub/data
4
기 기 교 "(drift)" . 그 기 까 . 4 계 IAM 고 기 .
걸 기 각각 . 그기 기 (core region) . , 과 threshold . threshold 기 foreground 개 . threshold 기 그 Otsu 12 결. 그 그 각 개 고 그 minima .
기 기 규. , 기, 경(slant) 교 . 그 규 기 기 그 고.
기 각 , 기, 경 국 교. 각 기 각segment 공 . 규 계 계기 각 기 threshold .
기 15 근과 (linear regression) 교 , 경각 계 edge 기. 그 고 -과 - stroke 경 결. canny edge detector edge orientation 고 각 그 . 그 균 경각 .
기 기 규기 각 극값(local extrema) 개 고 . (scaling) 계 기 .
그 규 과 경 . 그 구간 0 고 255 . 결과 그 3 .
기 기 교 "(drift)" . 그 기 까 . 4 계 IAM 고 기 .
걸 기 각각 . 그기 기 (core region) . , 과 threshold . threshold 기 foreground 개 . threshold 기 그 Otsu 12 결. 그 그 각 개 고 그 minima .
기 기 규. , 기, 경(slant) 교 . 그 규 기 기 그 고.
기 각 , 기, 경 국 교. 각 기 각segment 공 . 규 계 계기 각 기 threshold .
기 15 근과 (linear regression) 교 , 경각 계 edge 기. 그 고 -과 - stroke 경 결. canny edge detector edge orientation 고 각 그 . 그 균 경각 .
기 기 규기 각 극값(local extrema) 개 고 . (scaling) 계 기 .
그 규 과 경 . 그 구간 0 고 255 . 결과 그 3 .
5
기 계 . sliding window 기 11 근과 게 . 경 개 기 겹 고 기 .
sliding window 각 7개 . (1) - 개(windowed text image ), (2) 균 값 , (3) 까 거, (4) 까 거, (5) 과 거, (6) 과 균 , (7) 그 균 . (2)-(5) core size, 과 (극값 line fitting 계) 거 규, 기 굳. 그 걸 균.
균값 contour contour 고기 계. lower countour , upper contour , sliding window 균값 고 (8), (9), (10) 각각 . ( ) temporal context 고 각 근 계고 결과 20 . ( 10개, 10개)
decorrelate고 기 계 계 LDA . (cf. 6) 고 공간 . A 구기 (within class scatter) Sw 간 (between class scatter) Sb 고 결. (scatter) 계 각 HMM . 고 기 . 구 LDA 고 계.
기 계 . sliding window 기 11 근과 게 . 경 개 기 겹 고 기 .
sliding window 각 7개 . (1) - 개(windowed text image ), (2) 균 값 , (3) 까 거, (4) 까 거, (5) 과 거, (6) 과 균 , (7) 그 균 . (2)-(5) core size, 과 (극값 line fitting 계) 거 규, 기 굳. 그 걸 균.
균값 contour contour 고기 계. lower countour , upper contour , sliding window 균값 고 (8), (9), (10) 각각 . ( ) temporal context 고 각 근 계고 결과 20 . ( 10개, 10개)
decorrelate고 기 계 계 LDA . (cf. 6) 고 공간 . A 구기 (within class scatter) Sw 간 (between class scatter) Sb 고 결. (scatter) 계 각 HMM . 고 기 . 구 LDA 고 계.
𝜇𝑖 𝑇𝜓𝑖 𝑆𝑤−1𝑆𝑏 고값과 고. reduction(경감?) m개 고값 m개 고 구 . LDA HMM .
6 계 과
기 HMM 구, , ESMERALDA 개 경5 공 과 구 . HMM 512개 Gaussian mixtures with diagonal covariance matrice( 2048개) 공 semi-continuous . 52개 , 10개 , 12개 구 기 , 공 기 Baum-Welch . 그 기 구 conbined model . Viterbi beam- search 계.
고기 13 근과 , / . , . 과HMM . 개 HMM 개 결, 개 고 . 기 HMM . 개 . 개 게 결. 게 결 기 soft vector quantization과 .
, 계 과 공. x 계 𝑤̂ .
기 HMM 구, , ESMERALDA 개 경5 공 과 구 . HMM 512개 Gaussian mixtures with diagonal covariance matrice( 2048개) 공 semi-continuous . 52개 , 10개 , 12개 구 기 , 공 기 Baum-Welch . 그 기 구 conbined model . Viterbi beam- search 계.
고기 13 근과 , / . , . 과HMM . 개 HMM 개 결, 개 고 . 기 HMM . 개 . 개 게 결. 게 결 기 soft vector quantization과 .
, 계 과 공. x 계 𝑤̂ .
𝑤̂ = 𝑎𝑟𝑔𝑚𝑎𝑥𝑤(𝑋)(𝑋|𝑊)
P(W) w 고 P(X|W) 그 x . 경 absolute discounting과 backing-off for smoothing of probability distribution 그 . (cf. e.g. 3)
7 결과
기 기 , , 게 . 1 . , 3 , 4 그 결과. IAM a..d 고 . 2 -free 과 기 .
Senior 282, 141 , 그 perplexity 15.3. 13.3% 그 12.1% 감. LDA 공간 12 갔 그 . ( 2) 28.5%, 1.5k 10.5%. 결과 literature( ) 과 교 , 과 기 교 . 17 경 28.3%, 경 84.1%, 1.3k 경 16.5%. 15 고 경 6.6%, free 경 41.1%. 9 고 기 15.0%.
기 경 IAM c03 440, 109 . . LDA(12 경감) 14.2% (각 6개) 13.3% 게 감. 그 결과 11.1% 감( perplexity 12.0). 39.0%, 421개(구 ) 13.9% 11 20.5% 교.
결과 고 . IAM a- f( 250) , 4321( a-d), 1097( e-f) . 31.3%. 경 . 31.3% 3개 10개 (34.8%)과 . LDA 29.1% 게 감. 22.2% 개( perplexity 12.0). 60.6% .
기 기 , , 게 . 1 . , 3 , 4 그 결과. IAM a..d 고 . 2 -free 과 기 .
Senior 282, 141 , 그 perplexity 15.3. 13.3% 그 12.1% 감. LDA 공간 12 갔 그 . ( 2) 28.5%, 1.5k 10.5%. 결과 literature( ) 과 교 , 과 기 교 . 17 경 28.3%, 경 84.1%, 1.3k 경 16.5%. 15 고 경 6.6%, free 경 41.1%. 9 고 기 15.0%.
기 경 IAM c03 440, 109 . . LDA(12 경감) 14.2% (각 6개) 13.3% 게 감. 그 결과 11.1% 감( perplexity 12.0). 39.0%, 421개(구 ) 13.9% 11 20.5% 교.
결과 고 . IAM a- f( 250) , 4321( a-d), 1097( e-f) . 31.3%. 경 . 31.3% 3개 10개 (34.8%)과 . LDA 29.1% 게 감. 22.2% 개( perplexity 12.0). 60.6% .
8 결
기 개고 , , 개 . 기 결과 . 과 교 개, 계 고 / 공간 LDA 결과.
개, 개 .
기 개고 , , 개 . 기 결과 . 과 교 개, 계 고 / 공간 LDA 결과.
개, 개 .
9 감
구 Fi799/1 German Research Foundation(DFG) .
Bern Institute of Informatics and Applied Mathematics, Horst Bunke Urs-Viktor Marti게 감. 기 IAM10 .
구 Fi799/1 German Research Foundation(DFG) .
Bern Institute of Informatics and Applied Mathematics, Horst Bunke Urs-Viktor Marti게 감. 기 IAM10 .
Linear Algebra and Its Applications (4th ed.) by David C. Lay ¶
2 ~ 2.3
- 공 3D 과 계 군 기 계. 기 기 고 과 200개 . 거 계 간 (partitioned matrix)과 (matrix factorization) 개 .
- 거 구기:
[A I] -> [I A-¹]
- : 계 구기 . 급격 .
