필사된 벵골어 문맥에서 색상에 구애받지 않는 단어 분할
Color Independent Word Segmentation From Transcribed Bangla Passages
광학 문자 인식(OCR) 시스템은 문서를 스캔하고 텍스트를 추출하여 업무를 용이하게 해줍니다. 소프트웨어 분야에서 수많은 OCR 시스템을 접할 수 있지만, 벵골어(Bangla)에 대해 신뢰할 수 있는 동등한 솔루션을 찾는 것은 어렵습니다. 필기체 텍스트의 경우 그 사례는 더욱 드뭅니다. 모든 OCR의 첫 번째 기본 단계는 텍스트 이미지에서 단어를 분할(segmentation)하는 것입니다. 이 단계가 실패하면 이후 단계가 아무리 우수한 성능을 보여도 전체 OCR의 성능은 저하될 수밖에 없습니다. 본 연구는 필기체 벵골어 텍스트 이미지에서 단어를 분할하는 것을 목표로 합니다. 본 연구는 종이와 잉크의 색상 및 종류에 관계없이 스마트폰으로 촬영한 모든 이미지에 적용할 수 있습니다. 또한 스마트폰으로 촬영한 이미지는 그림자 간섭을 유발할 수 있으므로, 본 연구를 위해 구축된 커스텀 데이터셋은 마주칠 수 있는 모든 가능한 장애 요소를 포함하도록 제작되었습니다. 7,374개의 단어에 대해 총 7,278개의 바운딩 박스가 생성되었으며, 이는 90.60%의 재현율(recall), 91.80%의 정밀도(precision), 91.20%의 F1 점수를 기록했습니다. 이 시스템은 여러 단어가 포함된 바운딩 박스에 중첩 연산을 적용하거나 적응형 임계처리(adaptive thresholding) 및 팽창 필터(dilation filter) 크기를 보다 정밀한 수준으로 조정함으로써 더욱 개선될 수 있습니다.