徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

著作: [松本 和幸]/藤澤 日明/[吉田 稔]/[北 研二]/アスキーアート分類手法の比較検討/第32回人工知能学会全国大会講演論文集

ヘルプを読む

「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
339769
EOID
908160
Map
0
LastModified
2018年6月9日(土) 17:16:38
Operator
松本 和幸
Avail
TRUE
Censor
0
Owner
松本 和幸
Read
継承
Write
継承
Delete
継承
種別 必須 国内講演発表
言語 必須 日本語
招待 推奨
審査 推奨
カテゴリ 推奨 研究
共著種別 推奨 国内共著(徳島大学内研究者と国内(学外)研究者との共同研究 (国外研究者を含まない))
学究種別 推奨
組織 推奨
著者 必須
  1. 松本 和幸([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  2. (日) 藤澤 日明 / (読) ふじさわ あきら
    役割 任意
    貢献度 任意
    学籍番号 推奨
  3. 吉田 稔([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  4. 北 研二([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
題名 必須

(英) Comparison of Classification Methods for Ascii Art

(日) アスキーアート分類手法の比較検討

副題 任意
要約 任意

(英) In recent years, a lot of non-verbal expressions have been used on social media. Ascii art (AA) is an expressionby visual technique using characters. In this paper, we set up an experiment to classify AA pictures by usingcharacter features and image features. We try to clear which feature is more effective for the method to classify AApictures. We proposed four methods; 1) character frequency based method, 2) character importance value basedmethod and 3) image feature based method, 4) characters image feature based method. We trained the neuralnetworks by using these four features. As the experimental result, the best classification accuracy was obtainedwith the feed forward neural networks using characters image feature.

(日) 近年,ソーシャルメディアにおいて数多くの非言語表現が使用されている.そのなかでも,アスキーアート(AA)は,文字を用いた視覚的な技法による表現の一つである.本論文では,文字特徴と画像特徴によるアスキーアート分類手法を比較検討し,アスキーアートのカテゴリ分類に効果的な手法を評価実験により明らかにする.評価実験では,1) 文字頻度,2) 文字重要度,3) 画像特徴量,4) 文字の画像特徴量 の4種類を比較する.この4つの特徴量を用いて,ニューラルネットワークの学習によりカテゴリ分類器を作成する.実験の結果,文字単位での画像特徴を用いて学習させたフィードフォーワードニューラルネットワークによる分類器が,全体的な精度が優れていることが分かった.

キーワード 推奨
  1. (英) ASCII Art / (日) アスキーアート
  2. (英) image feature / (日) 画像特徴
  3. (英) character feature / (日) 文字特徴
  4. ニューラルネットワーク(neural network)
発行所 推奨 社団法人 人工知能学会
誌名 必須 (日) 第32回人工知能学会全国大会講演論文集
ISSN 任意
必須 ---
必須 ---
必須 1 4
都市 必須 鹿児島(Kagoshima/[日本国])
年月日 必須 2018年 6月 6日
URL 任意 https://confit.atlas.jp/guide/event/jsai2018/subject/2Z3-04/tables?cryptoId=
DOI 任意
PMID 任意
NAID 任意
WOS 任意
Scopus 任意
評価値 任意
被引用数 任意
指導教員 推奨
備考 任意