Marking support system by character recognition and sentence understanding for description-type answer sheets

2020 Fiscal Year Annual Research Report

• Project/Area Number: 17K01123
• Research Institution: Suzuka University of Medical Science
• Principal Investigator: 鶴岡 信治 鈴鹿医療科学大学, 医用工学部, 教授 (30126982)
• Co-Investigator(Kenkyū-buntansha): 高瀬 治彦 三重大学, 工学研究科, 教授 (10283516) ; 八神 寿徳 三重大学, 地域イノベーション推進機構, 准教授 (10402554) ; 川中 普晴 三重大学, 工学研究科, 准教授 (30437115)
• Project Period (FY): 2017-04-01 – 2021-03-31
• Keywords: 知能情報処理 / 文字画像認識 / ドキュメント理解

Outline of Annual Research Achievements

本研究は、大学生の定期試験の自由記述形式の解答用紙を対象に、学生が解答欄に記入した複数行の文章を高精度で文字認識し、世界初の手書き文章の意味理解を実現させ、授業データベースを使用し、自動採点システムを作成することを目指す研究であり、以下の各モジュールで研究開発を行い、以下の研究成果が得られた。
(1)解答欄からの解答領域(部分画像)の分離：解答欄の罫線を水平方向と垂直方向のヒストグラムにより、検出し、罫線からはみ出して筆記された部分を95%以上の精度で推定し、記入した文字を検出するシステムを作成することができた。
(2)複数行からの個別文字行の分離：個別文字認識するためには、まず行を分離する必要があり、解答欄内で複数行が記入され散る解答領域を対象に、文字行が曲がって筆記された文字列、上下の行で文字の接触がある文字列の分離を含める領域設定型の個別行分離方法を開発し、行分離率95%以上を達成できた。
(3)個別手書き文字認識:物体認識で認識精度の高い実験結果が報告されている「畳み込みニューラルネットワーク」の学習モデルである「残差ネットワーク（ResNet）」を基本モデルとし、残差ネットワークでの問題点を明確にした。すなわち、残差ネットワークでは、初期値の乱数の与え方により、認識精度が大きく変化するという問題が明確となった。そこで、人間の視覚野での物体の輪郭を抽出する機能を事前に設計者が与えた「固定フィルタ学習法」を新たに開発し、平均文字認識率９７％を９８%をに向上させることができた。