Extraction of the design concept existing beyond character types by deep learning

点击翻译按钮获取中文摘要

本年度は，昨年度に引き続き，筆跡データベースを使った筆者識別実験を継続した．当研究所が保有する401 名（5回繰り返し）の筆跡データベースのうち，漢字548字種について，深層ニューラルネットワーク（GoogLeNet）の学習に基づく筆者識別実験をおこなった．以下の２種類の実験をおこなった．実験１：学習に用いた文字種でテスト，実験２：学習に用いていない文字種でテスト．実験１，実験２のそれぞれにおいて，筆者401クラスの分類では，活性化関数の出力値に基づき，以下の２種類の評価方法を用いた．評価１：１字ごとに評価，評価２：複数文字の平均値で評価．その結果，評価１を適用した場合，実験１の平均識別精度は68.5%，実験２では60.8%であった．一方で，評価２を適用した場合には，実験１の平均識別精度は98.5%，実験２では98.9%であり，１字で評価した場合に比べて，実験１，実験２ともに大幅に向上した．これは，複数文字を通じて存在する筆者の特徴を複合して評価することの重要性を示すものと考えられた．さらに，筆跡による実験との対比として，活字フォントを使ったフォント識別実験にも取り組んだ．現在，漢字548字種について，８種類のフォントについて，異なる文字種を学習させたニューラルネットワークを用い，フォントの識別を試みる実験をおこなった．その結果，筆跡の場合は，漢字以外の平仮名や数字等では，文字種を超えた特徴の抽出が困難であったが，フォントの場合は，可能となる場合が多いことが分かった．詳細な解析を継続中である．