文献

J-GLOBAL ID：201802236074924707   整理番号：18A0444772

フォント分類のための畳込みニューラルネットワーク【Powered by NICT】

Convolutional Neural Networks for Font Classification

著者 (3件)： Tensmeyer Chris ,  Saunders Daniel ,  Martinez Tony
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDAR  ページ： 985-990  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 単一フォント光学文字認識(OCR)は活字OCRより,一般的により正確であるため分類ページやテキストラインフォントカテゴリーに転写を支援する。畳込みニューラルネットワーク(CNN)に基づく簡単なフレームワークを提案した,CNNは,テキストの小さなパッチを分類予め定義されたフォントクラスにするように訓練した。ページまたは線画像を分類するために,密に抽出されたパッチ上のCNN予測を平均化した。は,この方法が98.8%ラインレベル精度で40アラビア語計算機フォントの挑戦的なデータセット上で最先端レベルの性能を達成することを示した。同じ方法を,中世ラテン原稿にページレベルでpaleographic scribalスクリプトクラスを予測する86.6%の報告された最高の精度を達成した。最後に,ラテン原稿にCNNにより学習されるどのような特徴解析とCNNはscribalスクリプトクラスの間の明確な形態学的差異と同様にクラス相関有害因子に過剰適合の両方を学習するという証拠を見出した。テキスト暗所にロバスト性を改善し,さらに分類性能を増加させることをデータ増大の新しい型を提案した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  画像 ,  予測 ,  計算機械 ,  モルフォロジー ,  文字認識 ,  活字 ,  *フォント
準シソーラス用語： 暗所 ,  特徴解析 ,  中世 ,  最先端 ,  アラビア語 ,  テキスト ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： フォント ,  分類 ,  畳込みニューラルネットワーク