抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,畳込みニューラルネットワーク(CNN)と結合Bayesを用いたオフラインテキスト独立書き手同定,二段階,すなわち特徴抽出と書き手同定から成る新しい方法を提案した。特徴抽出の段階では,多数のデータが高い一般化可能性を用いた効果的なCNNモデルを訓練するために必須であり,手書きの量は書き手同定に限られているので,各ライターのための千の手書き文字画像を生成するために開発されたデータ増大技術。深いCNNネットワークは,異なる書きスタイルの特性,生成した手書き文字画像を用いて訓練を表すために識別特徴を抽出するために設計した。書き手同定の段階では,訓練データセットは,特徴抽出のためのCNNモデルを訓練するために使用され,結合Bayes法を用いて,抽出されたCNN特徴に基づく筆者識別タスクを達成することである。提案した方法は,二つの標準ベンチマークデータセット,すなわちICDAR2013とCVLデータセットで試験した。実験結果は,提案した方法が最先端の方法に比べて最良の性能が得られることを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】