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

• 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
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11868/
• 关键词: 手書き認識; オンライン認識; 確率モデル; 手書き文字認識; Deep learning

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．

在对日语的在线笔迹识别中，错误识别仍然是延续和草书字体的手写问题。近年来，深度学习方法吸引了人们的关注，在各个领域达到了最高的准确性。尽管使用深度学习对英语笔迹的认识达到了最高的精度，但使用深度学习的日本笔迹的系统将角色数量限制在大约3,000个字符上，并且尚未达到实际级别。由于深度学习网络的规模有限，因此似乎适用于4,000个或更少单位的集群识别。在计算具有大规模识别的庞大网络时，存在超过计算机计算能力和问题的问题，这些问题由于缺乏培训数据而降低了准确性。在包括7,000多种角色类型的日本普通角色识别中，尚未实现深度学习。申请人使用Markov Random Field成功使用了日本角色识别方法，Markov随机字段共享汉字字符之间的激进模型。利用这一发现，这项研究提出了一种通过构建一个深度学习系统来识别字符属性（例如数百种自由基）的方法，并解决了降低识别准确性的现有问题。我们将实现一个实用的在线日本手写角色识别系统，旨在将其应用于深度学习。我们将将现有的角色识别方法与尖端的机器学习方法相结合，以建立统一的识别模型，以弥补其缺点。我们使用大学创建的大规模数据库，中国科学研究所和纽约州立大学布法罗大学的自动化研究所，我们比较并检查了现有方法，然后进行了PDCA周期以追求商标的目标。研究结果发表在国际会议和期刊上，并交换了研究所需的观点。

项目成果

University of Shanghai for Sci. & Tech.(中国)

上海理工大学（中国）

A Prototyping of Intelligent Transformable Phone Robot: BaBi

智能可变形手机机器人原型：BaBi

• 发表时间: 2020
• 作者: Jiansheng Liu;Fujia Sun;Satoshi Ono;Mutsumi Watanabe;Bilan Zhu
• 通讯作者: Bilan Zhu