안녕하세요 리히트입니다.
환경연구소 에서 판매되고 있는 일본어 문자 인식 데이터 세트를 입수했으므로, 데이터 세트를 활용한 DeepLearning 초학자를 위한 튜토리얼을 공개합니다.
일본어 문자 인식 엔진 개발을 시도합니다.

이하의 이미지를 봐도 알 수 있듯이, 게슈탈트 붕괴 계약한 튜토리얼입니다만, 드물지 않고 노력해 가고 싶습니다.


또한이 기사는
・DeepLearning을 시작하고 싶다!
・mnist의 숫자 인식 이외의 튜토리얼을 하고 싶다!
· DeepLearning 관련 기술에 대해 배우고 싶다!
・스스로 일본어 OCR의 개발을 하고 싶다!

라는 분들을 향해 쓰고 있습니다.
다음 개요에서 설명합니다.


장
제목


1장
chainer를 기반으로 DeepLearning 환경 구축

2장
기계 학습을 통한 DeepLearning 예측 모델 만들기

3장
모델을 이용한 문자 인식

4장
데이터 확대로 인식 정밀도 향상

5장
신경망 입문 및 소스 코드 해설

6장
Optimizer 선택으로 학습 효율성 향상

7장
TTA, BatchNormalization을 통한 학습 효율 향상


DeepLearning은 완전히 처음, 라는 분은 어쨌든 움직이는 물건을 보고 싶으므로 4장째까지 트라이해 주세요.
5장 이하는 DeepLearning에 대해 한 걸음 더 자세히 알고 싶은 사람을 위한 것입니다.

소개

왜 chainer?

chainer는 국산 OSS입니다. 무엇보다 사용하기 쉽고, 이해하기 쉽고 Google Group에서 chainer에 관한 질문을 해도 곧바로 무료로 응답해 주는 등 최고.

환경

본편은 Mac을 전제로 이야기합니다만, 수시로 Windows에 맞추어 각각 설명(차이는 환경 준비만입니다만) 합니다.
・머신 스펙:메모리 4GB 이상
・Python2.7계, pip가 인스톨 되고 있는 것

환경 준비 (Mac)

터미널에서

sudo pip install chainer

를 입력하고 chainer1.6.0, filelock2.0.5, nose1.3.7, numpy1.10.4, protobuf2.6.1을 일괄 설치합니다.

sudo pip install scipy

를 입력하고 scipy0.17.0을 설치합니다.

또한 이 기사을 참고하여 Opencv2.4.X 계를 설치하십시오.

환경 준비 (Windows)

명령 프롬프트에서

pip install chainer

를 입력하고 chainer1.6.0, filelock2.0.5, nose1.3.7, numpy1.10.4, protobuf2.6.1을 일괄 설치합니다.

pip install scipy

를 입력하고 scipy0.17.0을 설치합니다. 필요한 경우 관리자 모드에서 명령 프롬프트를 시작합니다.
또한 이 기사을 참고하여 Opencv2.4.X 계를 설치하십시오.

데이터 준비(Mac, Windows)

환경연의 웹사이트 에서 히라가나 데이터 세트를 구입(1000엔)하고 다운로드합니다.
바탕 화면에 "HIRAGANA_NN"이라는 디렉토리를 만들고 그 안에 압축을 풉니 다.

-DESKTOP
-HIRAGANA_NN
-304a
-304b
·
·
(참고) 이하의 화상과 같이 되어 있으면 OK입니다.


또한 304a등의 디렉토리는 각각의 히라가나의 Unicode를 나타내고 있어 내용은 이하와 같이 되어 있습니다


이것으로 준비가 완료됩니다.
다음 2장부터 기계 학습에 나아가고 싶습니다!


장
제목


1장
chainer를 기반으로 DeepLearning 환경 구축

2장
기계 학습을 통한 DeepLearning 예측 모델 만들기

3장
모델을 이용한 문자 인식

4장
데이터 확대로 인식 정밀도 향상

5장
신경망 입문 및 소스 코드 해설

6장
Optimizer 선택으로 학습 효율성 향상

7장
TTA, BatchNormalization을 통한 학습 효율 향상