JPH0632087B2 - パタ−ン認識装置 - Google Patents
パタ−ン認識装置Info
- Publication number
- JPH0632087B2 JPH0632087B2 JP60247045A JP24704585A JPH0632087B2 JP H0632087 B2 JPH0632087 B2 JP H0632087B2 JP 60247045 A JP60247045 A JP 60247045A JP 24704585 A JP24704585 A JP 24704585A JP H0632087 B2 JPH0632087 B2 JP H0632087B2
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- pattern
- standard
- category
- standard pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Landscapes
- Character Discrimination (AREA)
Description
【発明の詳細な説明】 〔発明の利用分野〕 本発明はパターン認識装置に関する。
文字認識においては、入力パターンとあらかじめメモリ
内に登録された標準パターンとを比較して認識してい
る。この標準パターンの集合を辞書と呼ぶ。第２図に示
したように共用辞書（不特定筆記者の書く文字パターン
を認識するための標準パターンの集合）２１を用いて手
書き漢字を認識部２０において認識する場合、対象とす
る文字カテゴリ数が数千と多く字形が複雑であるため、
ていねいな楷書体は読取れるが日常字体を読取ろうとす
ると、十分な認識率が得られない、或いは十分な認
識率を得ようとする辞書容量（つまりコスト）や認識時
間が莫大で非実用的なものになる等の問題点があった。
これらの問題点を解決するための方法として、従来第３
図に示した方式が提案されている。第４図にていねいな
楷書体と日常字体の例を示す。
内に登録された標準パターンとを比較して認識してい
る。この標準パターンの集合を辞書と呼ぶ。第２図に示
したように共用辞書（不特定筆記者の書く文字パターン
を認識するための標準パターンの集合）２１を用いて手
書き漢字を認識部２０において認識する場合、対象とす
る文字カテゴリ数が数千と多く字形が複雑であるため、
ていねいな楷書体は読取れるが日常字体を読取ろうとす
ると、十分な認識率が得られない、或いは十分な認
識率を得ようとする辞書容量（つまりコスト）や認識時
間が莫大で非実用的なものになる等の問題点があった。
これらの問題点を解決するための方法として、従来第３
図に示した方式が提案されている。第４図にていねいな
楷書体と日常字体の例を示す。
第３図に示した方式は、辞書として個人用辞書（個人専
用の標準パターンの集合）３１を用いるものである。個
人用辞書３１は個人が記入した文字のみから作ってあ
る。本方式により、共用辞書を用いる場合より認識率と
認識速度を高め、辞書容量を低減できたが以下の欠点が
あった。
用の標準パターンの集合）３１を用いるものである。個
人用辞書３１は個人が記入した文字のみから作ってあ
る。本方式により、共用辞書を用いる場合より認識率と
認識速度を高め、辞書容量を低減できたが以下の欠点が
あった。
学習文字数が少い時点の個人用辞書には、個人が使
用するカテゴリがまだほとんど入っていない。そのため
個人用辞書は使いものにならない。
用するカテゴリがまだほとんど入っていない。そのため
個人用辞書は使いものにならない。
使用カテゴリが個人用辞書に入っていても、そのカ
テゴリについての学習サンプル数が少いと認識率が低
い。例えば第５図の個人用辞書を用いた場合の認識率に
ついての学習曲線を参照されたい。本図では学習サンプ
ル数１〜２付近における認識率が共用辞書の場合より低
く、個人用辞書は使いものにならないことを示してい
る。
テゴリについての学習サンプル数が少いと認識率が低
い。例えば第５図の個人用辞書を用いた場合の認識率に
ついての学習曲線を参照されたい。本図では学習サンプ
ル数１〜２付近における認識率が共用辞書の場合より低
く、個人用辞書は使いものにならないことを示してい
る。
なお、従来方式については次の文献で論じられている。
電子通信学会技術研究報告、ＰＲＬ８１−９４、内
藤誠一郎、パーソナル手書き漢字認識の基礎検討 電子通信学会論文誌、Vol.J66-D、No.４、P.４５４
〜４５５、吉村ミツ、手書き文字認識における個人用テ
ンプレートの有効性について 〔発明の目的〕 本発明の目的は、上記従来技術の欠点を解消できるパタ
ーン認識装置を提供することにある。
藤誠一郎、パーソナル手書き漢字認識の基礎検討 電子通信学会論文誌、Vol.J66-D、No.４、P.４５４
〜４５５、吉村ミツ、手書き文字認識における個人用テ
ンプレートの有効性について 〔発明の目的〕 本発明の目的は、上記従来技術の欠点を解消できるパタ
ーン認識装置を提供することにある。
上記目的を達成するため、本発明では第１図に示した構
成のパターン認識装置を構成する。
成のパターン認識装置を構成する。
第１図において、辞書１は認識用の辞書である。辞書２
は特定筆記者が記入した特徴パターンについてのカテゴ
リ毎の統計値を記憶する部分である。特定筆記者が記入
した文字数が少い、又は全くない時点では辞書１に共用
辞書をセットする。
は特定筆記者が記入した特徴パターンについてのカテゴ
リ毎の統計値を記憶する部分である。特定筆記者が記入
した文字数が少い、又は全くない時点では辞書１に共用
辞書をセットする。
また辞書置換部８は、特定筆記者が記入した文字数が増
し、学習が進むとともに辞書２（特定筆記者が記入した
文字サンプルのみから作成されている）が充実するのに
応じて、辞書１全体又は辞書１に属する個々の標準パタ
ーンを辞書２全体又は辞書２に属する標準パターンで置
き換える部分である。
し、学習が進むとともに辞書２（特定筆記者が記入した
文字サンプルのみから作成されている）が充実するのに
応じて、辞書１全体又は辞書１に属する個々の標準パタ
ーンを辞書２全体又は辞書２に属する標準パターンで置
き換える部分である。
本装置においては、従来発明の欠点を解消し、以下の効
果を得ることができた。
果を得ることができた。
特定筆記者が記入した文字数が増すにつれて、辞書
１を共用辞書から個人用辞書に徐々に置き換えていくこ
とができる。しかも自動的に人手を介さずにできる。辞
書１内から共用標準パターンが減少するにつれて認識性
能が向上する。また認識速度も向上する。
１を共用辞書から個人用辞書に徐々に置き換えていくこ
とができる。しかも自動的に人手を介さずにできる。辞
書１内から共用標準パターンが減少するにつれて認識性
能が向上する。また認識速度も向上する。
個人がまだ１度も記入していないが、或いは記入し
ていても記入サンプル数がまだ少いカテゴリについて
は、共用標準パターンを用いたことにより、従来の不特
定筆記者用OCR（第２図の方式）と同程度の認識性能が
得られる。つまりていねいな楷書体を読取ることができ
る。
ていても記入サンプル数がまだ少いカテゴリについて
は、共用標準パターンを用いたことにより、従来の不特
定筆記者用OCR（第２図の方式）と同程度の認識性能が
得られる。つまりていねいな楷書体を読取ることができ
る。
個人が十分たくさん記入したカテゴリについては従
来の特定筆記者用OCR（第３図の方式）と同様に、日常
字体を高い認識性能で読取ることができる。
来の特定筆記者用OCR（第３図の方式）と同様に、日常
字体を高い認識性能で読取ることができる。
辞書１及び辞書２内の個人用標準パターンは、常に
個人が記入したサンプルのみから作った純粋なものとな
る。つまり他人が記入したサンプルが作成に使われな
い。
個人が記入したサンプルのみから作った純粋なものとな
る。つまり他人が記入したサンプルが作成に使われな
い。
次に本発明の１番目の実施例を、第１図の構成例を用い
て説明する。構成例は認識部３、答カテゴリメモリ部
４、特徴メモリ部５、修正部６、学習部７、辞書１、辞
書２、辞書置換部８、及び制御部９からなる。
て説明する。構成例は認識部３、答カテゴリメモリ部
４、特徴メモリ部５、修正部６、学習部７、辞書１、辞
書２、辞書置換部８、及び制御部９からなる。
初めに文字パターンの列が入力パターン列として認識部
３に入力される。認識部３は入力パターン列を光電変換
により電気信号に変換した後、前処理、切り出し、特徴
抽出などを行い、個々の文字毎に切り出した特徴パター
ンの列として出力する。
３に入力される。認識部３は入力パターン列を光電変換
により電気信号に変換した後、前処理、切り出し、特徴
抽出などを行い、個々の文字毎に切り出した特徴パター
ンの列として出力する。
また認識部３はこれらの各特徴パターンに対し辞書１に
属するすべての標準パターンとの間の類似性を評価した
後、その評価値に基づいて答カテゴリを出力する。認識
部３が出力した特徴パターンの列と答カテゴリの列はそ
れぞれ特徴メモリ部５と答カテゴリメモリ部４に格納さ
れる。修正部６では本装置のユーザが答カテゴリメモリ
部４内の答カテゴリを確認修正する。学習部７では特徴
メモリ部５に属する特徴パターンと答カテゴリメモリ部
４に属する修正した答カテゴリを入力して、入力された
特徴パターンの平均値をカテゴリ毎に計算し、辞書２に
出力する。辞書置換部８は辞書２に属する各標準パター
ンによる辞書１に属する標準パターンの置き換えを、辞
書２内の上記標準パターンについての評価値に基づいて
行う。
属するすべての標準パターンとの間の類似性を評価した
後、その評価値に基づいて答カテゴリを出力する。認識
部３が出力した特徴パターンの列と答カテゴリの列はそ
れぞれ特徴メモリ部５と答カテゴリメモリ部４に格納さ
れる。修正部６では本装置のユーザが答カテゴリメモリ
部４内の答カテゴリを確認修正する。学習部７では特徴
メモリ部５に属する特徴パターンと答カテゴリメモリ部
４に属する修正した答カテゴリを入力して、入力された
特徴パターンの平均値をカテゴリ毎に計算し、辞書２に
出力する。辞書置換部８は辞書２に属する各標準パター
ンによる辞書１に属する標準パターンの置き換えを、辞
書２内の上記標準パターンについての評価値に基づいて
行う。
本発明の特徴は辞書１の他に辞書２を設けるとともに、
辞書置換部８を設けたことである。辞書２は、本装置の
特定使用者が記入した文字パターンから抽出された特徴
パターンについてのカテゴリ毎の統計値を記憶する部分
である。例えば学習部７に文字カテゴリが「海」である
特徴パターンf1、f2、……、fn1、文字カテゴリが
「山」である特徴パターンg1、……、gn2、文字カテゴ
リが「川」である特徴パターンh1、h2、……、hn3が入
力されると、学習部７は平均値ｆ、ｇ、ｈを各文字カテ
ゴリ「海」、「山」、「川」についての標準パターンと
して出力する。ここで鉤括弧（「、」）内の文字は文字
カテゴリを表し、ｆ、ｇ、ｈはそれぞれ を表すものとする。辞書置換部８は辞書２に属する個々
の標準パターンが認識用の辞書１で十分使えるか判定
し、十分と判定されたならば標準パターン単位で置換す
る部分である。具体的には辞書置換部８が次の手順（辞
書置換方法１と呼ぶ）を実行する。
辞書置換部８を設けたことである。辞書２は、本装置の
特定使用者が記入した文字パターンから抽出された特徴
パターンについてのカテゴリ毎の統計値を記憶する部分
である。例えば学習部７に文字カテゴリが「海」である
特徴パターンf1、f2、……、fn1、文字カテゴリが
「山」である特徴パターンg1、……、gn2、文字カテゴ
リが「川」である特徴パターンh1、h2、……、hn3が入
力されると、学習部７は平均値ｆ、ｇ、ｈを各文字カテ
ゴリ「海」、「山」、「川」についての標準パターンと
して出力する。ここで鉤括弧（「、」）内の文字は文字
カテゴリを表し、ｆ、ｇ、ｈはそれぞれ を表すものとする。辞書置換部８は辞書２に属する個々
の標準パターンが認識用の辞書１で十分使えるか判定
し、十分と判定されたならば標準パターン単位で置換す
る部分である。具体的には辞書置換部８が次の手順（辞
書置換方法１と呼ぶ）を実行する。
（辞書置換方法１） (1)辞書２に属する各標準パターンについての以下の評
価値、(a)その標準パターンのカテゴリが辞書１にある
か、(b)あるとしたらその辞書１内標準パターンが共用
標準パターンか個人用標準パターンか、(c)学習サンプ
ル数、(d)その他、を計算する。
価値、(a)その標準パターンのカテゴリが辞書１にある
か、(b)あるとしたらその辞書１内標準パターンが共用
標準パターンか個人用標準パターンか、(c)学習サンプ
ル数、(d)その他、を計算する。
(2)上記(1)で求めた(a)〜(d)の評価値のうちのすべて或
いは任意の組合せに基づいて、辞書２に属する標準パタ
ーンの辞書１への追加、更新を行う。
いは任意の組合せに基づいて、辞書２に属する標準パタ
ーンの辞書１への追加、更新を行う。
本図において辞書２の記述表２Ｂは、上記辞書置換方法
１の手順(1)で計算した(a)〜(d)の評価値を各標準パタ
ーンについて列挙したものである。
１の手順(1)で計算した(a)〜(d)の評価値を各標準パタ
ーンについて列挙したものである。
第７図と第８図に辞書置換方法１の具体例を示す。とも
に辞書２本体と第７図（ａ）、第８図（ａ）の辞書１に
基づいて、第７図（ｂ）、第８図（ｂ）の辞書２の記述
表を計算し、評価した後、第７図（ｃ）、第８図（ｃ）
の辞書１を出力した。第７図（ｃ），及び第８図（ｃ）
の下に注意書き注１で示したように、第７図（ａ）
（ｂ）（ｃ）及び第８図（ａ）（ｂ）（ｃ）において、
共は共用標準パターンを、個は個人用標準パターンを表
す。また、注２に示したように、θ1は共用標準パター
ンに対する学習サンプル数評価用閾値を表し、θ2は個
人用標準パターンに対する学習サンプル数評価用閾値を
表す。具体的にはθ1は辞書１にあるカテゴリについて
の共用標準パターン（ア1）が既にある場合に辞書２の
同じカテゴリについての個人用標準パターン（ア2）で
それを置き換えるためには、（ア1）の学習サンプル数
がθ1以上であることを要求するために用いる。θ2は辞
書１にあるカテゴリについての個人用標準パターン（ア
1）が既にある場合に、辞書２の同じカテゴリについて
の標準パターン（ア2）でそれを置き換えるためには
（ア2）の学習サンプル数がθ2以上であることを要求す
るために用いる。
に辞書２本体と第７図（ａ）、第８図（ａ）の辞書１に
基づいて、第７図（ｂ）、第８図（ｂ）の辞書２の記述
表を計算し、評価した後、第７図（ｃ）、第８図（ｃ）
の辞書１を出力した。第７図（ｃ），及び第８図（ｃ）
の下に注意書き注１で示したように、第７図（ａ）
（ｂ）（ｃ）及び第８図（ａ）（ｂ）（ｃ）において、
共は共用標準パターンを、個は個人用標準パターンを表
す。また、注２に示したように、θ1は共用標準パター
ンに対する学習サンプル数評価用閾値を表し、θ2は個
人用標準パターンに対する学習サンプル数評価用閾値を
表す。具体的にはθ1は辞書１にあるカテゴリについて
の共用標準パターン（ア1）が既にある場合に辞書２の
同じカテゴリについての個人用標準パターン（ア2）で
それを置き換えるためには、（ア1）の学習サンプル数
がθ1以上であることを要求するために用いる。θ2は辞
書１にあるカテゴリについての個人用標準パターン（ア
1）が既にある場合に、辞書２の同じカテゴリについて
の標準パターン（ア2）でそれを置き換えるためには
（ア2）の学習サンプル数がθ2以上であることを要求す
るために用いる。
次に２番目の具体例を説明する。本例では辞書置換部が
次の手順（辞書置換方法２と呼ぶ）を実行する。
次の手順（辞書置換方法２と呼ぶ）を実行する。
（辞書置換方法２） (1)辞書２全体が本装置の特定使用者用の個人専用辞書
として十分使えるかを判定する。具体的には(a)カテゴ
リ数ncが十分多いか、(b)標準パターン当りの平均学習
サンプル数nsが十分多いか、(c)学習サンプル数の全標
準パターンについての合計値ntが十分多いか、(d)その
他、を評価する。(a)〜(d)の全て或いは適当な任意の組
合せに基づいて、辞書２が十分使えるか判定する。例え
ば、ncθcかつnsθsならば辞書２が十分使えると判
定する。ここでθc、θsは正定数である。
として十分使えるかを判定する。具体的には(a)カテゴ
リ数ncが十分多いか、(b)標準パターン当りの平均学習
サンプル数nsが十分多いか、(c)学習サンプル数の全標
準パターンについての合計値ntが十分多いか、(d)その
他、を評価する。(a)〜(d)の全て或いは適当な任意の組
合せに基づいて、辞書２が十分使えるか判定する。例え
ば、ncθcかつnsθsならば辞書２が十分使えると判
定する。ここでθc、θsは正定数である。
(2)上記(1)で辞書２が十分使えると判定されたならば、
辞書１全体を辞書２（特定使用者専用）で置き換える。
辞書１全体を辞書２（特定使用者専用）で置き換える。
辞書置換方法２も第６図の構成例で実現することができ
た。但し、この場合は辞書置換方法１の場合とは次の２
点が異なる。
た。但し、この場合は辞書置換方法１の場合とは次の２
点が異なる。
(i)辞書２全体の評価値である上記(a)〜(d)を計算し、
それらを辞書２の記述表に記録する。
それらを辞書２の記述表に記録する。
(ii)辞書置換部への辞書１からの入力が不要である。
次に３番目の具体例を説明する。本例では辞書置換部が
辞書置換方法１と２を組合わせた処理を行う。具体的に
は第９図に示したように、初めに辞書置換方法２を適用
してみる。辞書２が十分使えると判定されたら、辞書２
全体で辞書１全体を置き換え、辞書置換方法２を完遂す
る。もし辞書２が不十分と判定されたならば、辞書置換
方法１を適用する。
辞書置換方法１と２を組合わせた処理を行う。具体的に
は第９図に示したように、初めに辞書置換方法２を適用
してみる。辞書２が十分使えると判定されたら、辞書２
全体で辞書１全体を置き換え、辞書置換方法２を完遂す
る。もし辞書２が不十分と判定されたならば、辞書置換
方法１を適用する。
次に４番目の具体例を説明する。具体例２又は３におい
て辞書置換部が辞書置換方法２を実行した結果、辞書１
全体を辞書２全体で置き換え、辞書１が特定使用者専用
の辞書（共用標準パターンを全然含まない）になったも
のとする。この状態以後は辞書置換部が次の辞書置換方
法３を実行するのが本例である。
て辞書置換部が辞書置換方法２を実行した結果、辞書１
全体を辞書２全体で置き換え、辞書１が特定使用者専用
の辞書（共用標準パターンを全然含まない）になったも
のとする。この状態以後は辞書置換部が次の辞書置換方
法３を実行するのが本例である。
（辞書置換方法３） (1)辞書２のうち学習により変化した部分（つまり追
加、更新された標準パターン）の量を変化分として評価
する。変化分の評価は以下の評価値、(a)カテゴリ数の
増加分、(b)標準パターン当りの平均学習サンプル数の
増加分、(c)学習サンプル数の全標準パターンについて
の合計値の増加分、(d)その他、を計算し、それらのう
ちのすべて或いは適当な任意の組合わせに基づいて行
う。
加、更新された標準パターン）の量を変化分として評価
する。変化分の評価は以下の評価値、(a)カテゴリ数の
増加分、(b)標準パターン当りの平均学習サンプル数の
増加分、(c)学習サンプル数の全標準パターンについて
の合計値の増加分、(d)その他、を計算し、それらのう
ちのすべて或いは適当な任意の組合わせに基づいて行
う。
(2)上記(1)で評価した変化分が十分大きければ、辞書２
の上記変化部分を辞書１に代入する。ここで代入とは、
辞書２内の追加、更新された標準パターンを辞書１に追
加、更新することである。
の上記変化部分を辞書１に代入する。ここで代入とは、
辞書２内の追加、更新された標準パターンを辞書１に追
加、更新することである。
辞書置換方法３も第６図の構成例で実現することができ
た。但し、この場合は辞書置換方法１の場合と次の２点
が異る。
た。但し、この場合は辞書置換方法１の場合と次の２点
が異る。
(i)辞書２全体の変化分である上記(a)〜(d)を計算し、
それらを辞書２の記述表に記録する。
それらを辞書２の記述表に記録する。
(ii)辞書置換部への辞書１からの入力が不要である。
以上２つの実施例は、マイクロプロセッサ、メモリ、ス
キャナ、マイクロホン、ディスプレイなどを用いて実現
することができる。
キャナ、マイクロホン、ディスプレイなどを用いて実現
することができる。
また本発明は次に示す各場合にも適用することができ
る。
る。
(1)上記実施例は辞書がカテゴリ当り一組の標準パター
ンと閾値から成る場合についてのものであった。カテゴ
リ当り複数組の標準パターンを用いると認識性能をさら
に向上することができる。この場合についても、本発明
は適用することができる。
ンと閾値から成る場合についてのものであった。カテゴ
リ当り複数組の標準パターンを用いると認識性能をさら
に向上することができる。この場合についても、本発明
は適用することができる。
(2)上記実施例では入力パターンから得られたすべての
特徴パターンを学習サンプルとした。学習サンプルとし
て次の〜を用いても同様にして辞書を作ることがで
きる。
特徴パターンを学習サンプルとした。学習サンプルとし
て次の〜を用いても同様にして辞書を作ることがで
きる。
上記すべての特徴パターンからユーザが学習すべき
でないと判断した特徴パターンを除いたものを学習サン
プルとする。
でないと判断した特徴パターンを除いたものを学習サン
プルとする。
入力パターンをパターン認識してエラー又はリジェ
クトになった特徴パターンを学習サンプルとする。
クトになった特徴パターンを学習サンプルとする。
エラー又はリジェクトになった特徴パターンからユ
ーザが学習すべきでないと判断した特徴パターンを除い
たものを学習サンプルとする。
ーザが学習すべきでないと判断した特徴パターンを除い
たものを学習サンプルとする。
なお、以上の学習サンプル選択、判断処理は第１図の修
正部で行うことができる。
正部で行うことができる。
(3)上記実施例では文字パターンを認識の対象としてい
た。音声パターン、図形パターンなど文字以外のパター
ンの認識にも本発明は適用することできる。
た。音声パターン、図形パターンなど文字以外のパター
ンの認識にも本発明は適用することできる。
なお(1)〜(3)を組合わせた論理的に妥当な各場合に対し
ても本発明は適用することができる。
ても本発明は適用することができる。
本発明により次の(1)〜(4)に示す効果を達成することが
できた。
できた。
(1)特定筆記者が記入した文字数が増すにつれて、辞書
１を共用辞書から個人用辞書に徐々に置き換えていくこ
とができた。しかも自動的に人手を介さずにできた。辞
書１内から共用標準パターンが減少するにつれて認識性
能が向上した。また認識速度も向上した。
１を共用辞書から個人用辞書に徐々に置き換えていくこ
とができた。しかも自動的に人手を介さずにできた。辞
書１内から共用標準パターンが減少するにつれて認識性
能が向上した。また認識速度も向上した。
(2)個人がまだ１度も記入していないか、或いは記入し
ていても記入サンプル数がまだ少いカテゴリについて
は、共用標準パターンを用いたことにより、従来の不特
定筆記者用ＯＣＲ（第２図の方式）と同程度の認識性能
が得られた。つまりていねいな楷書体を読取ることがで
きた。
ていても記入サンプル数がまだ少いカテゴリについて
は、共用標準パターンを用いたことにより、従来の不特
定筆記者用ＯＣＲ（第２図の方式）と同程度の認識性能
が得られた。つまりていねいな楷書体を読取ることがで
きた。
(3)個人が十分たくさん記入したカテゴリについては従
来の特定筆記者用ＯＣＲ（第３図の方式）と同様に、日
常字体を高い認識性能で読取ることができた。
来の特定筆記者用ＯＣＲ（第３図の方式）と同様に、日
常字体を高い認識性能で読取ることができた。
(4)辞書１及び辞書２内の個人用標準パターンは、常に
個人が記入したサンプルのみから作った純粋なものにで
きた。つまり他人が記入したサンプルが作成に使われて
いない。
個人が記入したサンプルのみから作った純粋なものにで
きた。つまり他人が記入したサンプルが作成に使われて
いない。
第１図は本発明の一実施例の構成を示すブロック図、第
２図と第３図は従来技術を説明するためのブロック図、
第４図はていねいな楷書体と日常字体の例を示す説明
図、第５図は個人用辞書を用いた場合の認識率について
の学習曲線の例を示すグラフ、第６図は辞書置換方法を
説明するためのブロック図、第７図と第８図は辞書置換
方法の具体例を説明するための図、第９図は他の具体例
を説明するための流れ図、である。 １……辞書１、２……辞書２、３……認識部、４……答
カテゴリメモリ部、５……特徴メモリ部、６……修正
部、７……学習部、８……辞書置換部、９……制御部。
２図と第３図は従来技術を説明するためのブロック図、
第４図はていねいな楷書体と日常字体の例を示す説明
図、第５図は個人用辞書を用いた場合の認識率について
の学習曲線の例を示すグラフ、第６図は辞書置換方法を
説明するためのブロック図、第７図と第８図は辞書置換
方法の具体例を説明するための図、第９図は他の具体例
を説明するための流れ図、である。 １……辞書１、２……辞書２、３……認識部、４……答
カテゴリメモリ部、５……特徴メモリ部、６……修正
部、７……学習部、８……辞書置換部、９……制御部。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭59−106085（ＪＰ，Ａ)
Claims (5)
- 【請求項１】各カテゴリを代表する第１の標準パターン
の集合である第１の辞書と、入力パターンから切り出し
た特徴パターンと前記第１の辞書に属する各標準パター
ンとの類似性を評価し、それらの類似性の評価値に基づ
いて前記入力パターンに対応する答えカテゴリを計算し
出力するとともに、前記入力パターンから切り出した特
徴パターンをも出力する認識部と、該認識部の出力であ
る答えカテゴリを修正する修正部と、修正された該答え
カテゴリと前記認識部から出力された特徴パターンを入
力され、答えカテゴリに対応する特徴パターンの平均値
をカテゴリ毎に第２の標準パターンとして出力する学習
部と、該第２の標準パターンが入力され、追加され、或
いは更新される第２の辞書と、該第２の辞書の内容の評
価値が或る閾値を超えたら当該内容を前記第１の辞書の
対応部と置換し、または追加する辞書置換部とを有して
なることを特徴とするパターン認識装置。 - 【請求項２】特許請求の範囲第１項記載のパターン認識
装置において、前記辞書置換部が、前記第２の標準パタ
ーンによる前記第１の標準パターンの置き換えを、前記
第２の標準パターンのカテゴリのそれぞれについて、前
記第２の標準パターンのカテゴリが前記第１の辞書にあ
るかどうか、あるとしたらその前記第１の辞書内の標準
パターンが前記第１の標準パターンであるかそれとも前
記第２の標準パターンによって置換、追加、更新された
ものであるか、学習サンプル数からなる評価値の内の少
なくとも１つの評価値に基づいて行なうことを特徴とす
るパターン認識装置。 - 【請求項３】特許請求の範囲第１項記載のパターン認識
装置において、前記辞書置換部が前記第２の辞書の特定
使用者用の個人専用辞書としての十分性を、カテゴリ
数、標準パターン当りの平均学習サンプル数、学習サン
プル数の全標準パターンについての合計値からなる評価
値のうち少なくとも１つの評価値に基づいて判定した
後、十分であると判定されたならば前記第２の辞書全体
を前記第１の辞書全体に置換することを特徴とするパタ
ーン認識装置。 - 【請求項４】特許請求の範囲第３項記載のパターン認識
装置において、前記第２の辞書の個人専用辞書としての
十分性が不満足と判定された場合に、前記辞書置換部が
前記第２の標準パターンを構成する各カテゴリの前記第
１の標準パターンへの置き換えを前記第２の標準パター
ンを構成する各カテゴリについて、前記第１の標準パタ
ーンとなる前記第２の標準パターンのカテゴリが前記第
１の辞書にあるかどうか、あるとしたらそれが前記第１
の標準パターンであるか、それとも前記第２の標準パタ
ーンであるか、学習サンプル数からなる評価値の内少な
くとも１つに基づいて行なうことを特徴とするパターン
認識装置。 - 【請求項５】特許請求の範囲第３項記載又は第４項記載
のパターン認識装置において、前記第２の辞書が個人専
用辞書としての十分性が満足され、前記第１の辞書の全
体を前記第２の辞書全体へ置換した後、前記第２の辞書
のうち学習により変化した第２の標準パターンの量を、
カテゴリ数の増加分、標準パターン当りの平均学習サン
プル数の増加分、学習サンプル数の全標準パターンにつ
いての合計値の増加分からなる評価値の内の少なくとも
いつの評価値に基づいて変化分として評価し、前記変化
分が十分大きくなれば辞書２の前記変化した部分を前記
第１の辞書に追加、更新を行なうことを特徴とするパタ
ーン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60247045A JPH0632087B2 (ja) | 1985-11-06 | 1985-11-06 | パタ−ン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60247045A JPH0632087B2 (ja) | 1985-11-06 | 1985-11-06 | パタ−ン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS62107389A JPS62107389A (ja) | 1987-05-18 |
| JPH0632087B2 true JPH0632087B2 (ja) | 1994-04-27 |
Family
ID=17157590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60247045A Expired - Lifetime JPH0632087B2 (ja) | 1985-11-06 | 1985-11-06 | パタ−ン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0632087B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5497319A (en) * | 1990-12-31 | 1996-03-05 | Trans-Link International Corp. | Machine translation and telecommunications system |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59106085A (ja) * | 1982-12-10 | 1984-06-19 | Fujitsu Ltd | 認識装置の辞書更新方法 |
-
1985
- 1985-11-06 JP JP60247045A patent/JPH0632087B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS62107389A (ja) | 1987-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE69907513T2 (de) | Handgeschriebene oder gesprochene wort-erkennung mit neuronalen netzwerken | |
| US6513005B1 (en) | Method for correcting error characters in results of speech recognition and speech recognition system using the same | |
| US5875256A (en) | Methods and systems for performing handwriting recognition from raw graphical image data | |
| CN113128442A (zh) | 基于卷积神经网络的汉字书法风格识别方法和评分方法 | |
| CN109190579B (zh) | 一种基于对偶学习的生成式对抗网络sigan的签名笔迹鉴定方法 | |
| Alaei et al. | A benchmark Kannada handwritten document dataset and its segmentation | |
| US20100135576A1 (en) | Identifying method of hand-written Latin letter | |
| Safabaksh et al. | HaFT: A handwritten Farsi text database | |
| US20080002886A1 (en) | Adapting a neural network for individual style | |
| JPH0632087B2 (ja) | パタ−ン認識装置 | |
| JP2005115628A (ja) | 定型表現を用いた文書分類装置・方法・プログラム | |
| US6320985B1 (en) | Apparatus and method for augmenting data in handwriting recognition system | |
| Powers | Pen direction sequences in character recognition | |
| Ajao et al. | Yoruba handwriting word recognition quality evaluation of preprocessing attributes using information theory approach | |
| CN110533035B (zh) | 基于文本匹配的学生作业页码识别方法 | |
| US7266236B2 (en) | Accelerated handwritten symbol recognition in a pen based tablet computer | |
| Javed | Investigation into a segmentation based OCR for the Nastaleeq writing system | |
| Tanprasert et al. | Improved Mixed Thai & English OCR using Two-step neural net classification | |
| CN110969009B (zh) | 一种汉语自然语言文本的词语切分方法 | |
| CN1333361C (zh) | 提高文字、语音识别的准确率的方法和装置及自动翻译系统 | |
| Meknavin et al. | Progress of combining trigram and winnow in Thai OCR error correction | |
| JPH0253832B2 (ja) | ||
| Tanprasert et al. | Thai type style recognition | |
| JPS6061875A (ja) | パターン認識装置における標準パターン作成方法 | |
| CN114898378A (zh) | 基于人工智能的书法赝品识别系统 |