手書きひらがなの認識で99.78%の精度をディープラーニングで - Qiita

手書きひらがなの認識、教科書通りの畳み込みニューラルネットワーク（ディープラーニング）で、99.78%の精度が出ました。教科書通りである事が（独自性がない事が）逆に読む方・書く方にメリットがありそうなので、Qiitaで記事にします。 ソースコード ソースコードは https://github.com/yukoba/CnnJapaneseCharacter です。 いきさつ いきさつは、友人と手書きひらがなの認識の雑談をFacebookでしていて、ググったら、この2つが見つかりました。 「Tensorflowを２ヶ月触ったので"手書きひらがな"の識別95.04%で畳み込みニューラルネットワークをわかりやすく解説」 http://qiita.com/tawago/items/931bea2ff6d56e32d693 スタンフォード大学の学生さんのレポート「Recognizing Handwri

[peroon]

“ピクセル数が多い事が改善につながるというわけではない”

[plane25]

“画像は32x32に縮小しました。これだけあれば十分ですし、大きいと計算量が増えるので。スタンフォード大学の学生さんは64x64にしてました” 32x32は漢字だと潰れそう（試してないけど）

[mar-h0510]

先行研究は先行研究として、EC2のGPUでこれはなかなか。

[shinishimaru]

へー

[yoshikidz]

これもうmodelデータだけの提供でいいよねーって思う今日この頃。

[sasa2718]

99.78%で実用レベルって先行研究ろくに調べてないだろ

[itouhiro]

「漢字は手がかりが多いから？認識率高い。認識精度の悪いひらがなを上げる方法」「Amazon EC2のGPUを使い反復回数増。過学習。汎化能力を高める方法として訓練時のみノイズを加える。画像大きいと計算量増なので縮小」

[chess-news]

ひらがなだけだったら、いけそうやね。

[mainyaa]

いいね

[stealthinu]

MNISTじゃなくてひらがなでの機械学習例。ETL文字データベースを利用。MNISTだとサンプルとして単純すぎる感じがするからデモとしてはこっちのほうが良い気がする。

[gp-y-nishimura]

φ(..)メモメモ