Abstract
In this paper, we propose efficient total recognition system of handwritten and printed numerals for
reducing the classification time. The proposed system consists of two-step neuroclassifier : Printed numerals
classifier and handwritten numerals classifier. In the proposed scheme, the printed numerals classifier
classifies the printed numerals rapidly with single MLP neural network by low-order feature vector and rejects
handwritten numerals. The handwritten numerals classifier classifies the handwritten numerals which is
rejected in printed numerals classifier with modularized cluster neural network by complex feature vector. In
order to verify the performance of the proposed method,handwritten numerals database of NIST and printed
numerals database which include various fonts are used in the experiments. In case of using the proposed
classifier, the overall classification time was reduced by 49.1% - 65.5% in comparison of the existent
handwritten classifier.
본 논문에서는 인쇄체가 대부분을 차지하는 우편물의 우편번호 분류기에 적용하기 위해 인쇄체 및 필기체를 구분하여 인쇄체는 단일 특징과 단일 신경망으로 저차 연산함으로써 빠르게 분류하고 피기체는 복합특징과 클러스터 신경망을 통한 고차연산으로 정확한 분류를 할 수 있는 속도 면에서 효율적인 신경망 분류기를 제안한다. 제안된 분류기는 인쇄체와 필기체를 구분하여 인쇄체를 분류하는 인쇄체 분류기와 여기서 기각된 필기체 숫자를 인식하는 필기체 분류기로 구성된다. 인쇄체 분류기는 망 특징 벡터를 입력의 단일 신경망 인식기로 빠르게 인쇄체 및 정확히 필기된 필기체를 분류하며그 외의 입력패턴에 대해서는 기각한다. 그리고 필기체 분류기는 4방향 특징 및 앞단에서 추출된 망 특징의 복합특징 벡터 입력으로 [11]에서 제안된 클러스터 신경망을 이용하여 정확한 분류를 할수 있도록 구성하였다. 제안된 방법의 성능을 객관적으로 검증하기 위하여 숫자 인식 데이터 베이스로 많이 사용되는 NIST의 필기체 숫자 데이터 베이스 및 자체적으로 구성한 인쇄체 숫자 데이터에 대해 실험하였다. 임의의 NIST 필기체 숫자 데이터 500자와 인쇄체 숫자 데이터 500자에 대해 전처리와 특징추출을 제외한 분류시간측정 결과 제안된 방법을 필기체 분류기에 사용할 경우 인쇄체와 필기체의 비율에 따라 49.1%~65.5% 향상된 속도로 분류함으로써 제안된 방법을 필기체 분류기에 적용함으로써 속도 면에서 효율적임을 나타냈다.