权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Research on practical Japanese handwritten character recognition method for application to deep learning

面向深度学习的实用日语手写字符识别方法研究

基本信息

批准号：
20K11868
负责人：
朱碧蘭
金额：
$ 2.75万
依托单位：
Kagoshima University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2021-03-31
项目状态：
已结题

项目摘要

日本語のオンライン手書認識においては，続け字と草書体の手書きにおける誤認識が課題として残っている．Deep Learning手法は近年注目を浴びていて，各分野で最高精度を達成している． Deep Learningによる英語手書き認識も最高精度を達成したが，日本語手書き文字ではDeep Learningを利用したシステムは字種数を約3000文字に限定して，実用的なレベルまで達していない．Deep Learningネットワークの規模限定により4000個以下のクラスター認識が適切であると思われる．大規模な認識による膨大なネットワークの計算においては，コンピュータの計算能力を超える問題と学習データ不足による精度低下の問題がある．7000個以上の字種を含んだ常用日本語文字認識において，Deep Learningによるものはまだ実現されていない．申請者は漢字間で部首モデルを共有するMarkov Random Field による日本語文字認識方式に成功していた．この知見を活かし，本研究は数百個の部首などの文字属性を識別するDeep Learningシステムを構築することにより，数万個の日本語文字認識を行う手法を提案し，認識精度低下の既存問題を解決する．Deep Learningへの適用を目指した実用的なオンライン日本語手書き文字認識システムを実現する．既存の文字認識手法と最先端の機械学習手法を融合し，欠点を補う統一的な認識モデルを確立する．本学と中国科学院自動化研究所とニューヨーク州立大学バッファロー校でそれぞれ作成された大規模データベースなどを利用し，既存手法との比較・検討の上に，PDCAサイクルを回して標記の目標を追及した．国際会議や論文誌などの場で研究成果を公表するとともに，研究に必要な意見交換を行った．

Deep Learning techniques are the most accurate way to achieve the highest accuracy in each field. Deep Learning English handwriting recognition highest accuracy achieved, Japanese handwriting recognition Deep Learning use of the word limit of about 3000 characters.Deep Learning production size limit of 4000 or less Large scale recognition, expansion of computing power, problems of insufficient Learning, problems of low accuracy, problems of over 7000 characters, including recognition of commonly used Japanese characters, Deep learning, problems of low accuracy, problems of large scale recognition, problems of excessive computing power, problems of insufficient learning, problems of low accuracy, problems of low accuracy, problems of low accuracy Applicants are successful in recognizing Japanese characters by Markov Random Field. This study proposes several hundred Deep learning systems for character recognition of radicals and tens of thousands of Japanese character recognition methods, and solves the existing problem of low recognition accuracy. Existing text recognition techniques and the most advanced mechanical learning techniques are integrated, and the lack of a unified understanding is established. The Institute of Automation, China Academy of Sciences (CAS) has developed a system for large-scale design and utilization of existing technologies. International conference papers and field research results are publicly available for exchange of views.