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: 藤澤 日明/[松本 和幸]/太田 万稀/[吉田 稔]/[北 研二]/ASCII Art Classification Model by Transfer Learning and Data Augmentation/Frontiers in Artificial Intelligence and Applications (FAIA), Fuzzy Systems and Data Mining VI

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
372378
EOID
1000927
Map
0
LastModified
2021年2月22日(月) 10:22:01
Operator
三好 小文
Avail
TRUE
Censor
0
Owner
松本 和幸
Read
継承
Write
継承
Delete
継承
種別 必須 国際会議
言語 必須 英語
招待 推奨
審査 推奨 Peer Review
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. (英) Akira Fujisawa / (日) 藤澤 日明 / (読) ふじさわ あきら
    役割 任意
    貢献度 任意 70
    学籍番号 推奨
  2. 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 共著
    貢献度 任意 15
    学籍番号 推奨
  3. (英) Ohta Kazuki / (日) 太田 万稀 / (読) おおた かずき
    役割 任意
    貢献度 任意 5
    学籍番号 推奨 ****
  4. 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 5
    学籍番号 推奨
  5. 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 5
    学籍番号 推奨
題名 必須

(英) ASCII Art Classification Model by Transfer Learning and Data Augmentation

副題 任意
要約 任意

(英) In this study, we propose an ASCII art category classification method based on transfer learning and data augmentation. ASCII art is a form of nonverbal expression that visually expresses emotions and intentions. While there are similar expressions such as emoticons and pictograms, most are either represented by a single character or are embedded in the statement as an inline expression. ASCII art is expressed in various styles, including dot art illustration and line art illustration. Basically, ASCII art can represent almost any object, and therefore the category of ASCII art is very diverse. Many existing image classification algorithms use color information; however, since most ASCII art is written in character sets, there is no color information available for categorization. We created an ASCII art category classifier using the grayscale edge image and the ASCII art image transformed from the image as a training image set. We also usedVGG16, ResNet-50, Inception v3, and Xceptions pre-trained networks to fine tune our categorization. As a result of the experiment of fine tuning by VGG16and data augmentation, an accuracy rate of 80% or more was obtained in the human category.

キーワード 推奨
  1. (英) Text art / (日) テキストアート
  2. (英) ASCII art / (日) アスキーアート
  3. (英) transfer learning / (日) 転移学習
  4. (英) fine tuning / (日) ファインチューニング
  5. (英) data augmentation / (日) データ拡張
発行所 推奨 IOS Press
誌名 必須 (英) Frontiers in Artificial Intelligence and Applications (FAIA), Fuzzy Systems and Data Mining VI
ISSN 任意
必須 331
必須 ---
必須 608 618
都市 必須
年月日 必須 2020年 11月 初日
URL 任意
DOI 任意 10.3233/FAIA200738    (→Scopusで検索)
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