質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.50%

  • Python

    7992questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    6402questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • 機械学習

    684questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

機械学習 数字列の桁ごとに画像認識させたい

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 336

jun_endo

score 45

質問の続き

(https://teratail.com/questions/135207)
*質問受付中*

上記の質問の内容は、

0~9999の数字列)+(アルファベット) が画像に書かれている

その画像を認識させるためのラベルの作成方法

です。簡単に言うとラベルの作成方法を知りたかったのですが、
私の、もともと考えていた方法では

「回帰」であり、
数も多いのであまりにも現実的ではない。


と、ご教授いただきました。

では、どのようにすればいいのかというと、

「分類」にして、
ラベルを「one-hot表現」にして、
画像の数字列+アルファベットの画像を
桁ごとに、画像を仮想的に分割して、
見ることができるのであれば、
ラベルの数もかなり減少する。

ということが分かったので、
いろいろと調べてみたのですが、
one-hot表現についてはすぐに理解できたのですが、

数字をそれぞれの桁で認識させるのは調べても載っていないので
どのようにすればよいのかわかりません。

どなたか、教えてください。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

+3

物体認識のようなモデルで解いてみたらいいんじゃないか、と思って読んでました。

https://web.stanford.edu/class/cs231m/projects/final-report-yang-pu.pdf
http://arxiv.org/pdf/1312.6082.pdf (実装)

このへんの論文とか

http://ufldl.stanford.edu/housenumbers/

こういうデータセットでしょうか。

bbox which is a struct array that contains the position, size and label of each digit bounding box in the image.

数字ごとに bounding box とラベルが付与されているデータセットになっていますね。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/10 15:56

    英語ばかりで解読していてらちが明かないので
    もっとわかりやすく教えてくれませんか?

    キャンセル

  • 2018/07/10 16:42

    英語の論文を読まずに済ませられる内容とは思えません。

    キャンセル

  • 2018/07/10 17:23

    ほんの一瞬、呼んでみたのですが
    数字での実装は見かけるのですが、
    アルファベットでの実装が見当たらないんですが
    実際、アルファベットで実装できるのでしょうか?

    キャンセル

  • 2018/07/10 18:40

    アルファベット認識自体は https://github.com/ayushdewan/Latin-Alphabet-Recognition-Using-Convolutional-Neural-Networks-in-Tensorflow このへんとかありますね。アルファベット数字交じりでどういうネットワークにするといいのかは、パッとは見つかりませんね。そうなると既存研究の調査から始める話なので、要は「研究」ですよね。

    キャンセル

  • 2018/07/11 08:46

    分かりました。ありがとうございます。

    キャンセル

checkベストアンサー

+1

OCRでなんとかなりそうかなと思いました。

 参考

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.50%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

  • 解決済

    swift 画像 消す

    swiftにてimageviewの画像を消すにはremoveFromSuperviewを使う以外に何か方法はありますか?あれば教えていただきたいです。

  • 受付中

    snsのシェアボタンを設置する方法

    facebookやtwitterなどのシェアボタンを作成したphpファイルに設置したいです。wordpressのプラグインを使うのではなく、自作で設置したいです。 faceboo

  • 解決済

    javascriptとAjax?での値受け渡し

    javascriptとAjax?での値受け渡し chart.js を使ってグラフの表示に挑戦しているのですが 同じJS内下記部分 data:[231,462,693];

  • 解決済

    argmax()の引数の1の意味

    argmax()の引数の1の意味がわかりません。 def xxx(train_X, train_y, test_X): train_X = tf.placehold

  • 解決済

    【Rails5】Ajaxで追加した要素へのイベントについて

    前提・実現したいこと infinite scroll kaminari (1.0.1) を利用して投稿の無限読み込みを実装しました。 発生している問題・エラーメッセージ 最

  • 解決済

    Pythonのmatplotlibを使って三次元散布図をシンプルに描写したい

    前提・実現したいこと Python初心者です。 1人3属性からなる1000件ほどのデータを、3次元の散布図として描写したいです。 属性一つ一つがそのままX,Y,Zに対応するイメージ

  • 解決済

    C#でstringを操作するには

    よくある方法で申し訳ないのですが、サイトのURLを操作する方法が見当たらなく質問させていただく事にしました。 https://teratail.com/questions/in

  • 解決済

    映画レコメンド機能の実装について

    https://www.codexa.net/collaborative-filtering-k-nearest-neighbor/ 上記のサイトのコードを参考にしながら、映画のレ

同じタグがついた質問を見る

  • Python

    7992questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    6402questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • 機械学習

    684questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。