事前学習済みDeiTのファインチューニングによる日本語筆跡認証

山田, 凜生

doi:10.51094/jxiv.4579

##article.authors##

山田, 凜生個人研究者 https://orcid.org/0009-0000-2028-8599

DOI:

https://doi.org/10.51094/jxiv.4579

キーワード:

筆跡認証、 Vision Transformer、 DeiT、転移学習、特徴抽出、日本語手書き文字

抄録

本研究では，事前学習済みDeiT（deit-tiny-patch16-224）を用いた特徴抽出による日本語筆跡認証モデルを構築した．3名の被験者から収集した計30枚の手書き文字画像を使用し，classifier層のみを学習対象とした特徴抽出アプローチを採用した．3-fold Cross Validationによる評価の結果，ROC AUCの平均値は1.00を達成し，先行研究（AUC=0.7595）と比較して大幅な改善が確認された．本結果は，Vision Transformer（ViT）ベースのモデルが日本語筆跡認証タスクに応用可能であることを示唆している．一方，サンプル数が限られているため汎化性能の保証には至っておらず，データ拡充による追加検証が今後の課題である．

利益相反に関する開示

本研究に関して，開示すべき利益相反はない。

ダウンロード *前日までの集計結果を表示します

ダウンロード実績データは、公開の翌日以降に作成されます。

引用文献

A. Dosovitskiy, L. Beyer, A. Kolesnikov, et al., "An image is worth

x16 words: Transformers for image recognition at scale," in Proc.

Int. Conf. Learn. Representations (ICLR), 2021.

H. Touvron, M. Cord, M. Douze, F. Massa, A. Sablayrolles, and

H. Jégou, "Training data-efficient image transformers & distillation

through attention," in Proc. 38th Int. Conf. Mach. Learn. (ICML),

pp. 10347–10357, 2021.

I. Loshchilov and F. Hutter, "Decoupled weight decay regularization,"

in Proc. Int. Conf. Learn. Representations (ICLR), 2019.

R. Yamada, H. Kojima, and T. Hasaba, "日本語筆跡認証モデルの最適化,"

SCI25, 高校生ポスター発表, 2025.