![バトル２：手書き数字認識
スキャンした手書き数字
不特定多数の筆記者
819,652サンプル
全サンプル
10%
90%Random
認識
学習
Trained CNN
認識率: 99.89 %
(誤認識は92画像のみ)
MNISTの
10倍規模
MNISTだと
99.77%
[Ciresan,CVPR2012]](https://image.slidesharecdn.com/20160221-prmu-cnn-160822101125/85/CNN-14-320.jpg)
![情景内文字画像処理
? 情景内テキスト強調?拡大
? プライバシ保護のためのテキスト情報隠蔽
www.proidee.co.uk
by
[Inai, et al., ICPR2014]
文字検出](https://image.slidesharecdn.com/20160221-prmu-cnn-160822101125/85/CNN-31-320.jpg)
![デザインと工学の架け橋：
フォント自動デザイン
Campbell, ACM Trans.Graphics, 2014
Font manifold by Gaussian
Process Latent Variable Model
[Uchida, ICDAR, 2015]](https://image.slidesharecdn.com/20160221-prmu-cnn-160822101125/85/CNN-34-320.jpg)
![情景内文字が与える意味的情報の解析
? 我々はどのような言語情報を環境から受け取っているか？
? 情景内単語16,500の意味分布
? Word2vec + k-means + Multidimensional-scaling
[品原, PRMU2015]](https://image.slidesharecdn.com/20160221-prmu-cnn-160822101125/85/CNN-37-320.jpg)
![人工知能の中心課題である
「文字Aとは何か？」をめぐる旅
Average before registration
Average after registration
[Uchida, ICDAR, 2015]
Hofstadter,
Metamagical
Themas, 1985](https://image.slidesharecdn.com/20160221-prmu-cnn-160822101125/85/CNN-38-320.jpg)
文字认识は颁狈狈で终わるのか？
- 2. 突然ですが… 北九州市をご存じでしょうか？ ? ここです ? 治安で度々お騒がせ JNN twitter 現在地
- 8. 环境问题で世界をリードする北九州へ 早くから問題が顕在化した領域は （努力次第では） いち早く問題の解決法を見出し， さらに他の領域に貢献できる 文字認識研究 認識率がCNNで飽和？研究終わる？
- 10. 本発表の内容 ? 「大規模データ + CNN」の実験を通し 文字認識研究の危機的(?)現状を確認 ? 上を踏まえ，今後の文字認識研究が 進むべき方向を考察
- 11. 「大規模データ + CNN」の 実験結果 活字 手書 フォント
- 12. 使用したCNN ? ベタベタのデフォルトLeNet ? ReLU + back-propagation, ランダム初期値 32x32画素
- 13. バトル１：印刷数字認識 スキャンした活字数字 フォントは2種類程度 512,265サンプル 全サンプル 10% 90%Random 認識 学習 Trained CNN 認識率: 99.99 % (誤認識は2画像のみ!) 5→6 6→4
- 14. バトル２：手書き数字認識 スキャンした手書き数字 不特定多数の筆記者 819,652サンプル 全サンプル 10% 90%Random 認識 学習 Trained CNN 認識率: 99.89 % (誤認識は92画像のみ) MNISTの 10倍規模 MNISTだと 99.77% [Ciresan,CVPR2012]
- 15. 全ての误认识
- 17. バトル3：ユニバーサルOCR実験 (活字と手書きの混合認識) 先ほどの2つのデータセットを混合 819,652+52,265サンプル 全サンプル 10% 90%Random 認識 学習 Trained CNN 認識率: 99.92 % 誤認識→115 ユニバーサル化で誤認識に転化→36 ユニバーサル化で改善→15
- 19. 聖戦ver.2：多フォント英文字認識 32 x 32画素 26 文字種 6,721種のフォント x 26文字種 全サンプル 10% 90%Random 認識 学習 Trained CNN 認識率: 94%程度
- 20. 正しく認識した 文字の例
- 21. 大規模データを全部使った最近傍認識でも 同程度では？と疑ってみる データ 最近傍認識 (ハミング距離) (%) CNN (%) 印刷数字 100.00 99.99 手書き数字 99.03 99.89 印刷＋手書き 混合数字 99.45 99.92 多フォント数字 90.00 96.40 誤認識が1/10に 上記の手書きの差がそのまま出た ちなみにCNNの方が1000倍高速 誤認識が1/3に
- 24. お断り： もちろん今回の結果は限定的！ ? 高々「10カテゴリ／切り出し済／大量データ」での話 ? 残る疑問：手書き漢字認識は出来るのか？ ? 2000～4000カテゴリのfine-grained problem ? 「千」「干」の差異がプーリングに耐えられるのか？ ? 残る疑問：自動切り出しは？ ? 残る疑問：レイアウト解析は？ 文字認識は終わってない！
- 25. お断り： もちろん今回の結果は限定的！ ? 高々「10カテゴリ／切り出し済／大量データ」での話 ? 残る疑問：手書き漢字認識は出来るのか？ ? 2000～4000カテゴリのfine-grained problem ? 「千」「干」の差異がプーリングに耐えられるのか？ ? 残る疑問：自動切り出しは？ ? 残る疑問：レイアウト解析は？ 文字認識は終わってない！ しかし，それでも， 早暁来るかも知れない「Xデー」に対して 心構えは必要では？ 世界的には現状で 96-98%ぐらい (データが決定的に不足) 認識精度向上の 恩恵を直接受ける
- 28. 超詳細(ultra high-grained)物体認識 ? 文字の存在意義の一つは「非」曖昧化 wikipedia naturalsobsessed.blogspot.com “bar-code free” world!
- 30. “The total recall” ? 読んだ文字をすべて認識，ライフログ的に記録 ? Reading-life log 備忘録／自動日記／パーソナル知識ベース／ シェア／比較／評価／定量化／ 推薦／To-Doサポート／ 教育／福祉 応用
- 31. 情景内文字画像処理 ? 情景内テキスト強調?拡大 ? プライバシ保護のためのテキスト情報隠蔽 www.proidee.co.uk by [Inai, et al., ICPR2014] 文字検出
- 32. “ドキュメント”の新たな定義へ Texts on signboard Texts on digital displayTexts on notebook Texts on object label すべてシームレスに扱える Texts on poster / ad Texts on book page
- 33. 認識率競争とは無縁な “ブルーオーシャン”へ 「Accuracistよ，さらば」 Topics Beyond 100% (2) http://daiko-yushutsu.com
- 34. デザインと工学の架け橋： フォント自動デザイン Campbell, ACM Trans.Graphics, 2014 Font manifold by Gaussian Process Latent Variable Model [Uchida, ICDAR, 2015]
- 37. 情景内文字が与える意味的情報の解析 ? 我々はどのような言語情報を環境から受け取っているか？ ? 情景内単語16,500の意味分布 ? Word2vec + k-means + Multidimensional-scaling [品原, PRMU2015]
- 38. 人工知能の中心課題である 「文字Aとは何か？」をめぐる旅 Average before registration Average after registration [Uchida, ICDAR, 2015] Hofstadter, Metamagical Themas, 1985
- 39. まとめ ? 大規模データ＋CNNによる文字認識 ? 人間の可読限界にも近い認識率 ? 今後は“Beyond 100%”も積極的に考えるべき！ ? 100%認識器でできること ? 認識率とは無関係な文字研究 そろそろ “北九州”の話だけ ではないかも