コンテキスト このデータセットは、この[データセット][1]の画像表現に過ぎません。**元の画像の構築に私は関与しておらず、すべての功績はデータセットの元の著者であるAhmed El - Sawy、Mohamed Loey、Hazem EL - Bakry、および彼らの[論文][2]「Arabic Handwritten Characters Recognition using Convolutional Neural Network, WSEAS, 2017」に帰されます。** 元のデータセットでは画像がサイズ(32,32,1)の配列として存在しますが、このデータセットではそれらの配列をそれぞれのjpg画像に変換しています。これにより、他の人がこのデータセットを使ってより多くのノートブックを作成しやすくなることを願っています。 また、このデータセットのスターターカーネルでは、**私の知る限り、テストセットに対して新たなSOTA精度スコア約98.6%を達成しました。** これは元の論文の元の結果約94.9%を上回っています。ノートブックでは、[Pytorchモデルの事前学習済みresnet50][3]を使用し、[Fast.ai][4]ライブラリを利用しています。これにより、トレーニングと検証が非常に簡単かつ迅速（GPUカーネルで10分未満）に行えます。 内容 このデータセットは、60人の参加者が書いた16,800個の文字で構成されています。参加者の年齢範囲は19歳から40歳で、90%の参加者が右利きです。各参加者は、各文字（「アレフ」から「イェ」まで）を2枚の用紙に10回ずつ書きました。データベースは2つのセットに分割されています。訓練セット（13,440個の文字、クラスごとに480枚の画像）とテストセット（3,360個の文字、クラスごとに120枚の画像）です。訓練セットとテストセットの書き手は排他的です。テストセットに書き手を含める順序はランダム化されており、テストセットの書き手が単一の機関から来ていないことを保証しています（テストセットの多様性を確保するため）。 謝辞 このデータセットの素晴らしいデータセットを公開してくれた元の著者にすべての功績を帰します。このデータセットは、アラビア文字認識に取り組む人にとって不可欠なものであり、アラビア文学の他の分野でも同様のデータセットが増えることを期待しています。 インスピレーション コミュニティがこのデータセットをさらに探索し、精度スコアを向上させる様子を楽しみにしています。 [1]: https://www.kaggle.com/mloey1/ahcd1/home [2]: http://www.wseas.org/multimedia/journals/computerresearch/2017/a045818-075.pdf [3]: https://pytorch.org/docs/stable/torchvision/models.html#id3 [4]: https://docs.fast.ai/