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。
歴史的な原稿は過去の情報の主な情報源である。近年,大量の歴史的手書き文書のディジタル化が盛んに行われている。この傾向は,過去の著者らの過去の多くの情報へのアクセスを与える。このようなディジタルアーカイブは,文書画像の自動インデクシングと検索がディジタル図書館のエンドユーザに提供できれば,より有用である。従来の光電荷認識(OCR)を用いた完全ディジタルアーカイブの自動転写は,まだ十分な精度では不可能である。完全な転写が利用できない場合,エンドユーザは,それらの興味のある特定の文書ページのインデクシングと検索に関心を持っている。したがって,コーパス内の特定のキーワードの認識は,エンドユーザのニーズを満たすのに十分である。最近,深い学習に基づく方法が画像分類問題における能力を示している。しかしながら,深い学習ベースの技術による1つのボトルネックは,それがクラスあたりの大量の訓練サンプルを必要とすることである。単語クラス当たりのサンプル数は新たにスキャンされたコレクションに対して少ないので,これは歴史的文書画像における単語画像認識の目的のための深い学習技術の直接使用のための重大な障害である。本論文は,特徴抽出と分類のための深い学習ベースのフレームワークを用いて,歴史的文書画像から単語を認識する問題を調査することを目的とし,一方,オフラインデータ増強技術を用いて画像サンプルの低い量の問題を計数した。365の異なる単語クラスを扱いながら,有望な結果(最高精度90.03%)が得られた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】