残差接続を備えた深いInceptionニューラルネットワークによるタミル手書き文字認識

デジタル時代の手書き保存

古いパームリーフ写本から日常のメモまで、タミル語の書き遺された遺産の多くは紙の上に残されています。こうした多様な手書き文書を検索可能なデジタルテキストに変換することは、文化の保存、教育支援、そしてより優れた言語技術の構築に不可欠です。本稿ではTamHNetと呼ばれる新しいコンピュータビジョンシステムを紹介します。TamHNetは、文字が非常に似通っている場合でも、ほぼ完全に近い精度でタミルの手書きを読み取ります。

タミル文字がコンピュータにとって難しい理由

タミル語は8,000万人以上の話者を抱え、母音・子音・その多くの結合を含む247文字の文字体系を使用します。多くの文字はごく小さなカールや追加の線でしか区別できず、筆記者によって各文字の書き方は大きく異なります。எ/ஏやஒ/ஓのような対は一見ほとんど同じに見えることがあり、லとவのような文字は容易に取り違えられます。従来のプログラムや近年の機械学習システムでも、これらの微妙な違いに苦しみ、単語の誤読や文書の信頼できないデジタル化を招くことがありました。

実世界の手書きデータセットの構築

研究者たちは実際の条件でシステムを訓練・評価するため、1,000人の大学生からの手書きサンプルを用いて新しいタミル孤立文字データセットを作成しました。合成画像やコンピュータ生成画像に頼る代わりに、彼らは実際のペンによる紙上の文字を収集し、12の母音、18の子音、そして214の一般的な結合をカバーしました。チームはこれらのサンプルに丁寧にラベル付けを行い、他の研究グループが手法を比較し発展させられるようにデータセットを公開しました。スクリプトを全247文字を網羅する104の基本記号に整理することで、冗長性を減らしつつ実際の筆跡に現れる形状の全域を表現しています。

画像のクリーンアップ、伸張、学習データの増強

学習に入る前に、各スキャン画像はノイズのある背景、にじみ、不均一な照明を除去しつつ、文字を定義する細い筆跡を保持するようにきれいにされます。画像は鮮明な白黒画像に変換され、コンピュータが各例を同じように扱えるよう標準フォーマットにリサイズされます。異なる筆記習慣に対してモデルを頑健にするため、著者らは制御された変形を用います：画像内の重要な点をわずかにずらしたり滑らかなワーピングを適用したりして、人間から見て同じ文字に見える新しいバージョンを生成します。このように拡張された訓練セットにより、文字が傾いていたり圧縮されていたり特異な比率で書かれていてもモデルは認識できるようになります。

微妙な差異を学習する深いネットワーク

TamHNetの中核には、元々一般的な物体認識のために設計された強力な深層学習アーキテクチャ、Inception-ResNet-v2があります。著者らはこのネットワークをタミル手書き専用に適応・微調整しました。モデルは多層を通じて各画像を処理し、生のピクセルを徐々にエッジや曲線、文字の部分といった高次のパターンへと変換します。残差接続として知られる特別なショートカット接続が訓練を安定化させ、似た文字同士のわずかながら重要な差異にネットワークが注目できるようにします。内部の全設定を一度に調整する代わりに、チームは最も有用な層だけを選んで“アンフリーズ”し、このタスク向けにチューニングしました。Adamと呼ばれる最適化手法を使用し、各パラメータの変化速度を自動適応させることで、複雑で時に雑然とした手書きから効率的に学習できるようにしています。

システムの手書き読み取り精度

研究者たちは標準的な認識評価指標を用いて、新しいデータセット上でTamHNetを評価しました。システムは104の文字クラスで約99.8%の精度を達成し、サポートベクターマシン、従来の畳み込みネットワーク、その他の先進的な深層学習設計に基づく幅広い従来手法を上回りました。詳細なテストにより、極めて形が似ている文字でさえほとんどの場合正しく識別されることが示され、統計的な曲線もモデルが文字を取り違えることが非常に稀であることを裏付けています。従来の研究と比べて、これはタミル手書き文字認識の信頼性における明確な前進を示しています。

読者やアーカイブにとっての意味

専門外の方にとっての主要な結論は、コンピュータがタミルの手書きを読み取る能力を飛躍的に高めているということです。TamHNetのようなシステムは、ノートの束、歴史的写本、手書きの書式をほとんど人手による訂正なしに検索可能なデジタルテキストへと変換するツールの基盤になり得ます。現行モデルはまだ一部の点記号や古い書体には対応していませんが、著者らは古代の筆記様式へ拡張する計画を示しています。実務的には、この研究はタミル文書の大規模で高精度なデジタル化に一歩近づけ、文化遺産の保護と将来世代が書かれた知識へ容易にアクセスできるようにする助けとなります。

引用: Periyasamy, H., Natarajan, S. & Amirtharajan, R. Deep inception neural network with residual connections for Tamil handwritten character recognition. Sci Rep 16, 6053 (2026). https://doi.org/10.1038/s41598-026-36330-7

キーワード: タミル手書き文字認識, 光学文字認識, ディープラーニング, Inception-ResNet, デジタル保存