arXiv:2610.01191v2 cs.CV

필사된 벵골어 문맥에서 색상에 구애받지 않는 단어 분할

Color Independent Word Segmentation From Transcribed Bangla Passages

Faias Satter, Noor Masrur, Sk. Md. Masudul Ahsan

제출 2026-10-01

저자 비고

arXiv Comments

6 pages, 8 figures, 6 tables. Accepted version of the paper published in the 2023 6th International Conference on Electrical Information and Communication Technology (EICT). Code: https://github.com/FaiasPromit/Color-Independent-Word-Segmentation-From-Transcribed-Bangla-Passages.git

한국어 초록

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.

원문 초록

An optical character recognition(OCR) system can scan paper and extract text, making people's jobs easier. While numerous OCR systems are accessible in the software sector, finding a dependable equivalent solution for Bangla is tough. When it comes to handwritten texts, the case is even more rare. The first fundamental step to any OCR is to segment words from text images. If this stage fails, the total OCR's performance will be poor no matter how promising the later stages perform. This research aims to segment words in a handwritten Bangla text image. This research can be implemented on any smartphone-captured image, irrespective of the color and type of paper and ink. Furthermore, as smartphone-captured images can create shadow interferences, the custom dataset built for this research is created in such a way that every possible obstacle that can be faced is included. For 7374 words, a total of 7278 bounding boxes are generated, which have recall of 90.60%, precision of 91.80%, and F1-score of 91.20%. The system can be further improved with nested operations on bounding boxes containing several words or by adjusting the adaptive thresholding and dilation filter sizes to a more precise level.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2610.01191v2
  2. arXiv:2610.01191v1

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2502.20295v3cs.LG공통 태그 Handwritten Text Recognition, Optical Character Recognition공식 코드 · Papers with Code

겉표지로 책을 판단하다: 다중 페이지 필기체 문서 전사를 위한 멀티모달 LLM 탐구

Judge a Book by its Cover: Investigating Multi-Modal LLMs for Multi-Page Handwritten Document Transcription

필기 텍스트 인식(HTR)은 여전히 까다로운 과제입니다. 기존 접근 방식은 실제 문제에서 확보하기 어려운 레이블이 지정된 데이터에 대한 미세조정(fine-tuning)을 필요로 하거나, OCR 엔진 및 멀티모달 LLM(MLLM)과 같은 제로샷(zero-shot) 도구에 의존합니다. MLLM은 엔드투엔드(end-to-end) 전사기와 OCR 사후 처리기 모두로서 유망한 가능성을 보여주었으나, 지금까지 HTR을 위한 다양한 MLLM 프롬프트(prompt) 전략, 특히 다중 페이지 문서에 대한 경험적 연구 평가는 거의 이루어지지 않았습니다. 대부분의 필기 문서는 다중 페이지로 구성되어 있으며 페이지 전반에 걸쳐 의미적 내용과 필체 스타일 같은 문맥을 공유하지만, MLLM은 일반적으로 페이지 단위 전사에 사용되어 이러한 공유 문맥을 버리게 됩니다. 또한 여러 양식을 활용하기보다는 텍스트 전용 사후 처리기 또는 이미지 전용 OCR 대안 중 하나로만 주로 사용됩니다. 본 논문에서는 제로샷 다중 페이지 필기체 문서 전사 과제를 위해 OCR, LLM 사후 처리, MLLM 엔드투엔드 전사를 결합한 일련의 방법을 조사합니다. 새로운 데이터셋(dataset)인 Malvern-Hills를 포함하여 기존 단일 페이지 데이터셋으로부터 이 과제를 위한 벤치마크(benchmark)를 소개합니다. 마지막으로, 프롬프트 복잡성을 최소화하면서 페이지 간 콘텐츠를 공유함으로써 기존 방식보다 뛰어난 성능을 보이는 다중 페이지 전사용 프롬프트 전략인 OCR+PAGE-1 및 OCR+PAGE-N을 소개합니다.

arXiv:2610.01134v2cs.CV공통 태그 Handwritten Text Recognition, Optical Character Recognition

전사된 벵골어 텍스트에서의 개방형 어휘 단어 인식

Open Vocabulary Word Recognition From Transcribed Bangla Texts

광학 문자 인식(OCR)은 기술을 활용하여 문서를 스캔하고 텍스트를 추출함으로써 사람들의 작업을 수월하게 만듭니다. 소프트웨어 산업에는 다양한 OCR 시스템이 존재하지만, 벵골어에 적합한 신뢰할 수 있는 솔루션을 찾는 것은 많은 노력이 필요합니다. 필기체 텍스트의 경우 상황은 훨씬 더 까다롭습니다. 단어 이미지에서 단어를 인식하는 것은 모든 OCR 프로세스에서 가장 중요한 단계이며, 텍스트 이미지에서 단어를 분할한 직후의 두 번째 단계에 해당합니다. 이 단계가 실패하면 다른 단계가 아무리 우수하게 수행되더라도 OCR의 전반적인 성능은 저하됩니다. 본 연구는 심층 학습(deep learning)을 활용하여 필기체 벵골어 단어 이미지에서 단어를 인식하는 것을 목표로 합니다. 필기체 단어 이미지를 학습하고 테스트하기 위해 MobileNetV2 기반의 SSD, InceptionResNetV2 기반의 Faster R-CNN, 그리고 이 두 가지를 결합한 앙상블 모델 등 세 가지 객체 검출(object detection) 모델을 사용했습니다. 모델 결과의 효과를 높이기 위해 수정된 비최대 억제(Non-Maximum Suppression)를 도입했습니다. 다양한 사람들의 서로 다른 필체 스타일을 포함하는 9,841개의 필기체 벵골어 단어 이미지로 구성된 맞춤형 데이터셋을 구축했습니다. 테스트 데이터셋을 통해 세 모델의 성능을 모두 검증한 결과, 앙상블 모델이 92.61%의 F1-점수를 기록하며 가장 인상적인 성능을 보였습니다. 또한 단어 수준에서 앙상블 모델은 단어의 96.12%를 일정 수준 정확하게 인식했습니다. 시스템에서 발생하는 오류를 수정하기 위한 후처리 단계를 도입함으로써 시스템을 더욱 향상시킬 수 있습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.