『徳島大学 教育・研究者情報データベース (EDB)』---[学外] /
ID: Pass:

登録内容 (EID=371229)

EID=371229EID:371229, Map:0, LastModified:2020年9月9日(水) 15:08:19, 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 [継承]
言語 (必須): 日本語 [継承]
招待 (推奨):
審査 (推奨):
カテゴリ (推奨): 研究 [継承]
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)) [継承]
学究種別 (推奨):
組織 (推奨):
著者 (必須): 1. (英) Fujisawa Akira (日) 藤澤 日明 (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
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):
貢献度 (任意):
学籍番号 (推奨):
[継承]
3. (英) Othta Kazuki (日) 太田 万稀 (読) おおた かずき
役割 (任意):
貢献度 (任意):
学籍番号 (推奨): **** [ユーザ]
[継承]
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):
学籍番号 (推奨):
[継承]
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):
学籍番号 (推奨):
[継承]
題名 (必須): (英) ASCII Art Category Classification Based on Transfer Learning and Data Augmentation from Different Types of Image Corpus  (日) 異なるタイプの画像コーパスからの転移学習とデータ拡張に基づくアスキーアートのカテゴリ分類   [継承]
副題 (任意):
要約 (任意): (英) In this paper, we propose an ASCII art category classification method based on transfer learning and data augmentation.ASCII art is one of the nonverbal expressions that visually express emotions and intentions.There are similar expressions such as emoticons and pictograms. However, most of them are either represented by a single characteror embedded in the statement as an inline expression. ASCII art is expressed in various styles, including dot art illustration and lineart illustration. Basically, ASCII art can represent almost any object, 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. Create 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 use VGG16, ResNet-50, Inception v3 and Xception's pretrained networks to fine-tune our categorization. As a result of the experiment of fine tuning by VGG16 and data augmentation, an accuracy of 80% or more was obtained in the "human" category.  (日)    [継承]
キーワード (推奨): 1. (英) ASCII art (日) (読) [継承]
2. (英) Transfer learning (日) (読) [継承]
3. (英) Fine tuning (日) (読) [継承]
4. (英) Data augmentation (日) (読) [継承]
5. (英) Domain adaptation (日) (読) [継承]
発行所 (推奨):
誌名 (必須): (英) (日) JSKE 第22回日本感性工学会大会講演論文集 (読)
ISSN (任意):
[継承]
(必須): [継承]
(必須): [継承]
(必須): 1 7 [継承]
都市 (必須):
年月日 (必須): 西暦 2020年 9月 9日 (令和 2年 9月 9日) [継承]
URL (任意):
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):

標準的な表示

和文冊子 ● 藤澤 日明, 松本 和幸, 太田 万稀, 吉田 稔, 北 研二 : 異なるタイプの画像コーパスからの転移学習とデータ拡張に基づくアスキーアートのカテゴリ分類, JSKE 第22回日本感性工学会大会講演論文集, 1-7, 2020年9月.
欧文冊子 ● Akira Fujisawa, Kazuyuki Matsumoto, Kazuki Othta, Minoru Yoshida and Kenji Kita : ASCII Art Category Classification Based on Transfer Learning and Data Augmentation from Different Types of Image Corpus, JSKE 第22回日本感性工学会大会講演論文集, 1-7, Sep. 2020.

関連情報

Number of session users = 1, LA = 0.71, Max(EID) = 376413, Max(EOID) = 1008158.