Understanding of Essential Character Structure for Machine Learning and Kuzushiji Recognition

本年度は、文字部位に着目した古典籍中の少数サンプル文字認識手法を開発した。一般的なくずし字認識手法が文字種毎に多量のサンプルを必要とするのに対し、現実では多くの文字種においてサンプルが不足している。具体的には最大級のくずし字データセットにおいてすら、文字種の約1/3はたった3枚以下のサンプルしか持たない。本研究ではこうした少数サンプル文字種や無サンプル文字種の認識のため、漢字中の文字部位に着目したくずし字認識手法を開発した。例えば「字」という漢字は大まかに上部「宀」と下部「子」から構成される。この上部と下部から構成される漢字の構成方法は他の多くの漢字に共通すると同時に、文字部位「宀」「子」もまた他の多くの漢字に共通する。こうした多様な漢字に共通する文字部位要素の認識であれば、多サンプル文字種を活用した学習が可能である。そこで本研究では文字部位に着目することによって、少数サンプル文字種や無サンプル文字種のより高精度な認識を行った。本研究では、漢字構造データベースを活用し日本語漢字文字における文字部位に着目したラベルの作成とくずし字画像への文字部位情報の付与を行った。また文字部位特徴を効果的に得るための擬似的漢字文字画像サンプルによる事前学習を開発した。この事前学習を施した特徴抽出器について、作成したくずし字サンプルを用いてファインチューニングすることで、くずし字画像から有効に文字部位特徴を得られる文字部位特徴抽出器を作成した。この文字部位特徴抽出器及び最近傍法から構成される新しいくずし字認識器を提案した。

本年度は、文字部位に着目した古典籍中の少数サンプル文字認識手法を開発した。一般的なくずし字認識手法が文字種毎に多量のサンプルを必要とするのに対し、現実では多くの文字種においてサンプルが不足している。具体的には最大級のくずし字データセットにおいてすら、文字種の約1/3はたった3枚以下のサンプルしか持たない。本研究ではこうした少数サンプル文字種や無サンプル文字種の認識のため、漢字中の文字部位に着目したくずし字認識手法を開発した。例えば「字」という漢字は大まかに上部「宀」と下部「子」から構成される。この上部と下部から構成される漢字の構成方法は他の多くの漢字に共通すると同時に、文字部位「宀」「子」もまた他の多くの漢字に共通する。こうした多様な漢字に共通する文字部位要素の認識であれば、多サンプル文字種を活用した学習が可能である。そこで本研究では文字部位に着目することによって、少数サンプル文字種や無サンプル文字種のより高精度な認識を行った。本研究では、漢字構造データベースを活用し日本語漢字文字における文字部位に着目したラベルの作成とくずし字画像への文字部位情報の付与を行った。また文字部位特徴を効果的に得るための擬似的漢字文字画像サンプルによる事前学習を開発した。この事前学習を施した特徴抽出器について、作成したくずし字サンプルを用いてファインチューニングすることで、くずし字画像から有効に文字部位特徴を得られる文字部位特徴抽出器を作成した。この文字部位特徴抽出器及び最近傍法から構成される新しいくずし字認識器を提案した。