ニューラルネットワークを用いたパターン認識

車両のナンバープレートの読取りシステムへの応用

プログラムの使い方

　アプレットを起動すると、まず「学習モード」の画面が現れて、上部に学習するパターンが表示され、実行中の「外部サイクルの回数」と「二乗誤差の合計」が表示されます。「外部サイクルの回数」は、200回（0から199まで）に設定されています。

　学習が終わると、学習結果が表示されます。斜めに赤色の「YES」が、それ以外は青色の「NO」になれば、学習は正しく行われています。もし誤りや黒色の「?」があれば、[再学習]ボタンをクリックします。

　学習に成功すれば、[学習終了]ボタンをクリックして「認識モード」に移ります。

プログラムの実行結果

　図2は、「学習モード」で学習が終わった状態を示しています。二乗誤差は、10^-4程度と十分小さくなっており、結果の確認でも良好な結果が得られています。

図2「学習モード」で学習が終了した画面

　図3は、図2の状態で[学習終了]ボタンをクリックして「認識モード」に移り、数字の「8」を手書きで入力してから[認識]ボタンをクリックした結果を示します。手書き入力を丁寧にしなかったため、「8」との一致が81％と示されています。学習に使用したパターンに近く丁寧に入力すると、100％の一致が得られます。

図3 「認識モード」で文字を入力し、［認識］ボタンをクリックした画面

まとめ

　ニューラルネットワークのシミュレーションの例として、車両のナンバープレートの読み取りを試みました。ナンバープレートの画像をサンプルとして使用しないで、手書きによる入力で代用しましたので、手書き文字（数字）認識装置のように見えますが、学習に使用した文字は、ナンバープレート用のものです。

　内外のウエブ上に、本稿に似たアプレットが公開されていますが、私が試した範囲の限られた例では、満足に動作するものは見当たりませんでした（Java Runtimeのバージョンの違いもあるかも？）。

　ニューラルネットの研究者からみると、本稿で紹介したものはオモチャのようなものですが、専門家以外の方にも関心を持ってもらい、別な角度から新しい応用や改善を提案していただければ幸いです。

参考資料

　この記事は、筆者のウエブサイト「Visual C++ 6.0の易しい使い方（17）－ニューロンをシミュレーションして排他的論理和を実現する－（ただし、現在はVisual C++ 2005 Express Edition版に改定）」を改良してJava言語に書き直し、分かりやすく加筆したものです。

　ウエブ上には、多数の優れた資料があり、下記は一例です。

• バックプロパゲーション理論
『Introduction to Backpropagation Neural Networks』
• 文字認識への応用の具体例
Neuronale Netze 『Optical Character Recognition』

　著書では、下記が比較的分かりやすいと思われます。

• 『シリーズ非線形科学入門－ニューラルネットワーク』 吉冨康成 著、朝倉書店、2002年7月
• 『NEUROSIM/Lによるニューラルネットワーク入門（CD-ROM付き）』 田辺和俊 著、日刊工業新聞社、2003年6月