การประมวลผลลายมือเขียนเป็นตัวพิมพ์อัตโนมัติ

Abstract

ในปัจจุบันงานทางด้านการรู้จำลายมือเขียนโดยใช้เทคนิค Deep Learning มีการพัฒนาขึ้นอย่างต่อเนื่องโดยเฉพาะภาษาอังกฤษ ภาษาไทย เป็นต้น แต่ในส่วนของการรู้จำภาษาไทยนั้นยังมีการพัฒนาที่ไม่มากพอ อีกทั้งประสิทธิภาพในการรู้จำยังไม่ดีเท่าที่ควร เนื่องจากงานวิจัยทางด้านการรู้จำลายมือเขียนภาษาไทยยังไม่แพร่หลาย ประกอบกับ Algorithm ที่ใช้ในการรู้จำมีความซับซ้อนเป็นอย่างมาก ดังนั้น จึงมีแนวคิดที่อยากจะศึกษาและพัฒนางานทางด้านการรู้จำลายมือเขียนเพื่อเรียนรู้ Algorithm ตลอดจนทดสอบผลทำนายของโมเดลรู้จำที่ออกแบบ โดยในงานนี้จะเป็นในลักษณะการแปลงภาพลายมือเขียนให้เป็นตัวพิมพ์อัตโนมัติ ซึ่งจะใช้หลักการของ Image Processing มาใช้ในขั้นตอน Pre-process เป็นขั้นตอนการเตรียมข้อมูลก่อนเข้าไปประมวลผลในโมเดล จากนั้นจะใช้ Convolutional Neural Network (CNN) Based on VGG, Bidirectional Gate Recurrence Unit (GRU) ในการรู้จำแล้วจะใช้ Connectionist Temporal Classification (CTC) ในการจัดเรียงข้อความให้สวยงามมากขึ้น จากการทดลองที่ผ่านมาโดยใช้ชุดข้อมูล BEST และชุดข้อมูลลายมือเขียนที่เก็บเพิ่มเติมนำมาแบ่งเป็นชุด Train 80% และ Test 20% เพื่อใช้ในการทดลองหา Optimizer ที่มีค่า Loss ต่ำที่สุดเพื่อนำมาใช้ในโมเดล พบว่า RMSprop มีค่าที่ต่ำว่า Adam และ SGD ตามลำดับจึงนำ Optimizers RMSprop มาใช้กับโมเดลที่ทำการออกแบบโดยมีลักษณะพิเศษ คือ มีชั้น Convolution ที่แตกต่างกันถึง 3 รูปแบบ พบว่า 1 ใน 3 ของสถาปัตยกรรมที่ออกแบบมีค่า Character Error Rate (CER) ที่ต่ำที่สุดนั้นก็ คือ CNN Based on VGG (16,16, 32, 32) จึงนำมาโมเดลดังกล่าวมาประยุกต์ใช้กับ Application Website และ API Service เพื่อเป็นการเผยแพร่การใช้งานโปรแกรมการรู้จำลายมือเขียนภาษาไทยต่อไป