JP2021026191A - 学習済みの機械学習モデル、画像データ生成装置、および、方法 - Google Patents
学習済みの機械学習モデル、画像データ生成装置、および、方法 Download PDFInfo
- Publication number
- JP2021026191A JP2021026191A JP2019146891A JP2019146891A JP2021026191A JP 2021026191 A JP2021026191 A JP 2021026191A JP 2019146891 A JP2019146891 A JP 2019146891A JP 2019146891 A JP2019146891 A JP 2019146891A JP 2021026191 A JP2021026191 A JP 2021026191A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- data
- characters
- input
- indicating
- 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.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims description 113
- 238000012549 training Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims description 97
- 240000000220 Panda oleosa Species 0.000 claims description 12
- 235000016496 Panda oleosa Nutrition 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 description 15
- 238000012805 post-processing Methods 0.000 description 13
- 230000004913 activation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000010606 normalization Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 241000795424 Epia Species 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 101150113537 Spib gene Proteins 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000005945 translocation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Landscapes
- Accessory Devices And Overall Control Thereof (AREA)
- Record Information Processing For Printing (AREA)
- Document Processing Apparatus (AREA)
- Controls And Circuits For Display Device (AREA)
- Image Analysis (AREA)
Abstract
Description
A−1.手書文字生成システム1000の構成
次に、実施の形態を実施例に基づき説明する。図1は、本実施例の手書文字生成システム1000の構成を示すブロック図である。手書文字生成システム1000は、本実施例の画像データ生成装置としてのサーバ100と、複合機200と、を備えている。
図1の下側には、生成ネットワークGNの概略図が示されている。生成ネットワークGNは、CPU110がコンピュータプログラムPGを実行することによって実現される。図1に示すように、生成ネットワークGNには、入力データとして、入力画像データIDとラベルデータLDとからなるデータペアが入力される。
(A1×B1×C1)=(128×128×32)
(A2×B2×C2)=(64×64×64)
(A3×B3×C3)=(32×32×128)
(A4×B4×C4)=(16×16×128)
(D1×E1×F1)=(32×32×32)
(D2×E2×F2)=(64×64×32)
(D3×E3×F3)=(128×128×32)
(D4×E4×F4)=(256×256×3)
トレーニング処理によって、上述した生成ネットワークGNは、入力画像データIDとラベルデータLDとからなる入力データが入力された場合に、所望の出力画像データODを生成できるように、トレーニングされる。複合機200とサーバ100とは、協働してトレーニング処理を実行する。
A−3−1.複合機の処理
図4は、トレーニング処理のうち、複合機200が実行する処理のフローチャートである。この処理は、例えば、複合機200のユーザの開始指示に基づいて開始される。
図8は、トレーニング処理のうち、サーバ100が実行する処理のフローチャートである。S100では、サーバ100のCPU110は、図4のS40にて複合機200から送信されるスキャンデータを受信する。スキャンデータは、上述したように、複数個のスキャン画像SI(例えば、図7(A)のSIa、SIb)を示す。
上述したトレーニング処理が完了して、サーバ100に、複合機200のユーザの手書きの書体で文字を示す出力画像データODを生成できるネットワークGNが、サーバ100に生成されると、複合機200のユーザは、データ生成処理を利用することができる。本実施例のデータ生成処理は、ユーザの手書きの書体を有する文字を含む宛名画像を示す印刷データを生成し、該印刷データによって示される画像をハガキに印刷する処理である。図9は、データ生成処理のフローチャートである。
図9(A)には、データ生成処理のうち、複合機200が実行する処理のフローチャートが示されている。この処理は、例えば、複合機200のユーザの開始指示に基づいて開始される。
図9(B)には、データ生成処理のうち、サーバ100が実行する処理のフローチャートが示されている。S310では、サーバ100のCPU110は、図9(A)のS220にて複合機200から送信される宛名情報TXを受信する。
(1)上記実施例のトレーニング処理では、教師画像データTDは、スキャンデータから取得されている。これに代えて、教師画像データTDは、2次元イメージセンサを備えるデジタルカメラを用いて、記入済みのテストシートTSを撮影して得られる撮影画像データから取得されても良い。また、教師画像データTDは、例えば、タッチパネル上に指やタッチペンを用いて手書きされた文字を示す画像データから取得されて良い。
Claims (8)
- トレーニング処理によってトレーニングされた学習済みの機械学習モデルであって、
前記機械学習モデルは、入力画像データに対して複数個の演算パラメータを用いる演算処理を実行することによって、前記入力画像データの特徴の抽出と、抽出された特徴に基づく出力画像データの生成と、を行うモデルであり、
前記トレーニング処理は、
第1の書体を有する文字を示す入力画像データと、前記入力画像データに対応付けられるラベルデータであって文字の種別を示す前記ラベルデータと、をそれぞれ含む複数個の入力データを前記機械学習モデルに入力することによって、前記複数個の入力データに対応する複数個の出力画像データを生成する処理と、
前記複数個の出力画像データと、前記複数個の入力画像データに対応する複数個の教師画像データと、を用いて、前記出力画像データと前記教師画像データとの差が小さくなるように、前記複数個の演算パラメータを調整する処理と、
を含み、
前記複数個の教師画像データのそれぞれは、前記第1の書体とは異なる第2の書体を有する文字を示す、学習済みの機械学習モデル。 - 請求項1に記載の学習済みの機械学習モデルであって、
前記第2の書体を有する文字は、手書き文字であり、
前記トレーニング処理は、
複数個の領域のそれぞれに前記手書き文字が記入された原稿を示す原稿画像データであってイメージセンサを用いて生成される前記原稿画像データを取得する処理と、
前記原稿画像データを用いて、前記複数個の領域に対応する複数個の手書き文字画像データを取得する処理と、
を含み、
前記複数個の教師画像データは、前記複数個の手書き文字画像データである、学習済みの機械学習モデル。 - 請求項1または2に記載の学習済みの機械学習モデルであって、
前記ラベルデータは、複数個の文字が属するカテゴリを示す情報を含み、前記カテゴリに属する複数個の文字のそれぞれを識別する識別情報を含まない、学習済みの機械学習モデル。 - 請求項3に記載の学習済みの機械学習モデルであって、
「漢字」を示す前記入力画像データに対応付けられる前記カテゴリを示す情報は、「漢字」を示す情報であり、
「かな」を示す前記入力画像データに対応付けられる前記カテゴリを示す情報は、「かな」を示す情報である、学習済みの機械学習モデル。 - 請求項3または4に記載の学習済みの機械学習モデルであって、
前記複数個の入力画像データは、
第1のカテゴリを示す前記ラベルデータに対応付けられる第1の画像データであって、前記第1のカテゴリに属する第1の文字を示す前記第1の画像データと、
第2のカテゴリを示す前記ラベルデータに対応付けられる第2の画像データであって、前記第2のカテゴリに属し、かつ、前記第1の文字と形状が類似する第2の文字を示す前記第2の画像データと、
を含む、学習済みの機械学習モデル。 - 画像データ生成装置であって、
第1の書体を有する文字を示す入力画像データを取得する画像取得部と、
前記入力画像データに対応付けられるラベルデータであって前記第1の文字の種別を示す前記ラベルデータを取得するラベル取得部と、
前記入力画像データと前記ラベルデータとを含む前記入力データを機械学習モデルに入力することによって前記第1の書体とは異なる第2の書体を有する文字を示す前記出力画像データを生成する画像生成部であって、前記機械学習モデルは、前記入力画像データの特徴を抽出し、抽出された特徴に基づいて前記出力画像データを生成するモデルである、前記画像生成部と、
を備える画像データ生成装置。 - 請求項6に記載の画像データ生成装置であって、
前記出力画像データを用いて、前記第2の書体を有する文字を含む画像を示す印刷データを生成する、画像データ生成装置。 - 画像データを生成する方法であって、
第1の書体を有する文字を示す入力画像データを取得する画像取得工程と、
前記入力画像データに対応付けられるラベルデータであって前記第1の文字の種別を示す前記ラベルデータを取得するラベル取得工程と、
前記入力画像データと前記ラベルデータとを含む前記入力データを機械学習モデルに入力することによって前記第1の書体とは異なる第2の書体を有する文字を示す前記出力画像データを生成する画像生成工程であって、前記機械学習モデルは、前記入力画像データの特徴を抽出し、抽出された特徴に基づいて前記出力画像データを生成するモデルである、前記画像生成工程と、
を備える、方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019146891A JP7513947B2 (ja) | 2019-08-08 | 2019-08-08 | 学習済みの機械学習モデル、画像データ生成装置、および、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019146891A JP7513947B2 (ja) | 2019-08-08 | 2019-08-08 | 学習済みの機械学習モデル、画像データ生成装置、および、方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021026191A true JP2021026191A (ja) | 2021-02-22 |
JP7513947B2 JP7513947B2 (ja) | 2024-07-10 |
Family
ID=74663984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019146891A Active JP7513947B2 (ja) | 2019-08-08 | 2019-08-08 | 学習済みの機械学習モデル、画像データ生成装置、および、方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7513947B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052143A (zh) * | 2021-04-26 | 2021-06-29 | 中国建设银行股份有限公司 | 手写数字生成方法和装置 |
JP2023039887A (ja) * | 2021-09-09 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | フォント生成モデルトレーニング方法、字庫作成方法、装置及び機器 |
JP2023039886A (ja) * | 2021-09-09 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | フォント生成モデルトレーニング方法、字庫作成方法、装置及び機器 |
JP2023039888A (ja) * | 2021-09-09 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | モデルトレーニング及び字庫作成の方法、装置、機器、及び記憶媒体 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05266226A (ja) * | 1992-03-19 | 1993-10-15 | Fujitsu Ltd | ニューラルネットによる図形変換方式 |
JPH0619449A (ja) * | 1992-06-30 | 1994-01-28 | Canon Inc | 手書き文字出力装置 |
JP2016110468A (ja) * | 2014-12-09 | 2016-06-20 | 株式会社日立製作所 | 文字分析システム及び文字分析方法 |
WO2018203550A1 (ja) * | 2017-05-02 | 2018-11-08 | 日本電信電話株式会社 | 信号生成装置、信号生成学習装置、方法、及びプログラム |
CN108804397A (zh) * | 2018-06-12 | 2018-11-13 | 华南理工大学 | 一种基于少量目标字体的汉字字体转换生成的方法 |
JP2019028094A (ja) * | 2017-07-25 | 2019-02-21 | 大日本印刷株式会社 | 文字生成装置、プログラム及び文字出力装置 |
-
2019
- 2019-08-08 JP JP2019146891A patent/JP7513947B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05266226A (ja) * | 1992-03-19 | 1993-10-15 | Fujitsu Ltd | ニューラルネットによる図形変換方式 |
JPH0619449A (ja) * | 1992-06-30 | 1994-01-28 | Canon Inc | 手書き文字出力装置 |
JP2016110468A (ja) * | 2014-12-09 | 2016-06-20 | 株式会社日立製作所 | 文字分析システム及び文字分析方法 |
WO2018203550A1 (ja) * | 2017-05-02 | 2018-11-08 | 日本電信電話株式会社 | 信号生成装置、信号生成学習装置、方法、及びプログラム |
JP2019028094A (ja) * | 2017-07-25 | 2019-02-21 | 大日本印刷株式会社 | 文字生成装置、プログラム及び文字出力装置 |
CN108804397A (zh) * | 2018-06-12 | 2018-11-13 | 华南理工大学 | 一种基于少量目标字体的汉字字体转换生成的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052143A (zh) * | 2021-04-26 | 2021-06-29 | 中国建设银行股份有限公司 | 手写数字生成方法和装置 |
JP2023039887A (ja) * | 2021-09-09 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | フォント生成モデルトレーニング方法、字庫作成方法、装置及び機器 |
JP2023039886A (ja) * | 2021-09-09 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | フォント生成モデルトレーニング方法、字庫作成方法、装置及び機器 |
JP2023039888A (ja) * | 2021-09-09 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | モデルトレーニング及び字庫作成の方法、装置、機器、及び記憶媒体 |
US20230114293A1 (en) * | 2021-09-09 | 2023-04-13 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for training a font generation model, method for establishing a font library, and device |
JP7282932B2 (ja) | 2021-09-09 | 2023-05-29 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | フォント生成モデルトレーニング方法、字庫作成方法、装置及び機器 |
JP7289942B2 (ja) | 2021-09-09 | 2023-06-12 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | フォント生成モデルトレーニング方法、フォントライブラリ作成方法、フォント生成モデルトレーニング装置、フォントライブラリ作成装置、電子機器、コンピュータ可読記憶媒体、及び、コンピュータプログラム |
US11875584B2 (en) * | 2021-09-09 | 2024-01-16 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for training a font generation model, method for establishing a font library, and device |
Also Published As
Publication number | Publication date |
---|---|
JP7513947B2 (ja) | 2024-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7513947B2 (ja) | 学習済みの機械学習モデル、画像データ生成装置、および、方法 | |
CN103488711B (zh) | 一种快速制作矢量字库的方法及系统 | |
CN109062521A (zh) | 一种打印数据处理方法及装置、计算机装置、存储介质 | |
JPH04233094A (ja) | イメージ分析のための方法及び装置 | |
JP2019028094A (ja) | 文字生成装置、プログラム及び文字出力装置 | |
US11227370B2 (en) | Method for generating image processing filter and image processing method using the image processing filter | |
JP6233142B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP7423905B2 (ja) | 機械学習モデルのトレーニング方法、データ生成装置、および、学習済みの機械学習モデル | |
JP7372591B2 (ja) | 画像処理装置、および、学習済みの機械学習モデル | |
JP6462930B1 (ja) | 文字認識装置、方法およびプログラム | |
JP2009042826A (ja) | 2次元コード作成システムおよび2次元コード印刷媒体 | |
JP7303490B2 (ja) | 画像処理フィルタの生成方法、および、画像処理方法 | |
JP2007001166A (ja) | 画像処理方法、画像処理装置、及びプログラム | |
US20220180114A1 (en) | Image processing apparatus capable of restoring degraded image with high accuracy, image processing method, and storage medium | |
TWI656783B (zh) | 可校正複印位置的複印設備及複印方法 | |
JP2022156761A (ja) | データ処理装置、データ処理方法、コンピュータプログラム | |
JP2006309354A (ja) | デジタルペン入力システム | |
JP2023125203A (ja) | 印刷物の検査システムのための学習済みモデルを生成する方法および装置 | |
JP7498421B2 (ja) | 機械学習モデルのトレーニング方法、データ生成装置、および、学習済みの機械学習モデル | |
JP7335545B2 (ja) | 学習画像データの生成方法、予測モデル | |
JP4797766B2 (ja) | 画像処理装置、画像形成装置および画像処理方法 | |
JP2021189582A (ja) | 学習済みの機械学習モデル、画像処理装置、および、機械学習モデルのトレーニング方法 | |
JP2021092999A (ja) | 画像処理装置及び画像処理装置の制御方法 | |
JP6507809B2 (ja) | 印刷指示装置、印刷システム及びプログラム | |
WO2023074565A1 (ja) | 機械学習モデル、コンピュータプログラム、および、方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220715 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230529 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231025 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240424 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240508 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240529 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240611 |