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

通过深度学习提取字符类型之外存在的设计概念

• 批准号: 21K12577
• 负责人: 赤尾 佳則
• 金额: $ 1.83万
• 依托单位: National Research Institute of Police Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12577/
• 关键词: 文字; デザイン; 共通指針; 筆跡; 活字フォント; 深層学習; フォント

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．

This year に, the previous year に cite に 続 続 に, the handwriting デ タベ タベ スを スを enabled った author to identify the evidence を継続 た た. When institute が retain す る, 401 (5 back Qiao り return し) の handwriting デ ー タ ベ ー ス の う ち, 548 Chinese characters and types of に つ い て, deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク (GoogLeNet) の learning に づ く author identification be 験 を お こ な っ た. The following <s:1> 2 kinds of <s:1> experience をお なった なった なった. Experiment 1: Learn to use the た た language でテスト for に, Experiment 2: learn to use the でテスト て な な でテスト でテスト language でテスト for に. Be 験 1, be 験 2 の そ れ ぞ れ に お い て, the author 401 ク ラ ス の classification で は, number of activeness masato の output numerical に base づ き, the following の 2 kinds を 価 の evaluation method using い た. Evaluation: 価 1:1 characters ごとに evaluation: 価 evaluation: 価2: plural characters <s:1> average value で evaluation: 価. As a result, the evaluation shows that 価1を is applicable to <s:1> た scenarios, and the average recognition accuracy of experimental 1 is 68.5%, while that of experimental 2 is で 60.8%であった. Side で, review 2 を 価 し た occasions に は, be 験 1 の は accuracy by an average of 98.5%, be 験 2 で は 98.9% で あ り, 1 word で review 価 し に た occasion than べ て, be 験 1, be 験 2 と も に に sharply upward し た. こ れ は, plural text を じ て exist す る の, author 徴 を composite し て review 価 す る こ と の importance を shown す も の と exam え ら れ た. さ ら に, handwriting に よ る be 験 と の than と seaborne し て, movable type フ ォ ン ト を make っ た フ ォ ン ト recognition be 験 に も group take り ん だ. Now, 548 Chinese characters and types of に つ い て, 8 species の フ ォ ン ト に つ い て, different な る text を learning さ せ た ニ ュ ー ラ ル ネ ッ ト ワ ー ク を い, フ ォ ン ト の recognition を try み る be 験 を お こ な っ た. そ の results, handwriting は の occasions, Chinese characters outside の 仮 name や Numbers etc で は, words を super え た, 徴 の spare が difficult で あ っ た が, フ ォ ン ト は の situations, may と な が る occasion more い こ と が points か っ た. Detailed な analysis を継続 である.

项目成果

筆跡の複眼偏光画像による書字ダイナミクス推定

使用复眼手写偏振图像估计手写动态

• 发表时间: 2022
• 作者: 海保諒;鶴田龍登;森岡一幸;赤尾佳則
• 通讯作者: 赤尾佳則

複眼偏光カメラによる筆跡画像解析

使用复眼偏光相机进行笔迹图像分析

• 发表时间: 2021
• 作者: 塚谷将人;森岡一幸;赤尾佳則
• 通讯作者: 赤尾佳則

複眼偏光画像の機械学習による書字ダイナミクス推定の試み

尝试使用复眼偏振图像的机器学习来估计书写动态

• 发表时间: 2022
• 作者: Katsuhiko Onishi;Seiyu Fumiyama;Yohei Miki;Masahiro Nonaka;Masanao Koeda and Hiroshi Noborio;赤尾佳則
• 通讯作者: 赤尾佳則

複眼偏光カメラで筆跡のナゾに迫る

用复眼偏光相机揭开手写的奥秘

• 发表时间: 2022
• 作者: 柴田雄貴;森岡一幸;遠藤隼，小原一馬，松村啓子，佐々木和也;Takanobu Yamanobe;佐々木和也;赤尾佳則
• 通讯作者: 赤尾佳則

複数文字種の筆跡を学習した深層ネットワークによる筆者識別の試み ～ 401名の筆跡標本を用いた検証 ～

尝试使用已学习多种字符类型笔迹的深度网络来识别作家 - 使用 401 人的笔迹样本进行验证 -

• 发表时间: 2023
• 作者: 松原佑樹;末永良太;森岡一幸;飛谷謙介・谷伊織・谿雄祐・長田典子・森田修史;小田 功，下出祐太郎，黒田孝二;赤尾佳則
• 通讯作者: 赤尾佳則