NDLラボへようこそ。
ここは、国立国会図書館の実験的なサービスを提供するサイトです。

文字画像データセット(平仮名73文字版)を試験公開しました

2016/09/27

国立国会図書館デジタルコレクションのインターネット公開資料から、平仮名の文字画像を切り出したデータセットを試験公開しました。画像形式はPNGで、計8万画像あります。

文字画像の例:

「あ」1900年1900_754949_0023.png 「あ」1910年1910_808569_0198.png 「あ」1920年1920_958609_0028.png 「あ」1930年1930_1873255_0111.png 「あ」1940年1940_1239059_0066.png
「い」1900年1900_808821_0042.png 「い」1910年1910_839986_0036.png 「い」1920年1920_906916_0039.png 「い」1930年1930_1175565_0024.png 「い」1940年1940_1873816_0084.png
「う」1900年1900_890806_0066.png 「う」1910年1910_813236_0091.png 「う」1920年1920_961711_0105.png 「う」1930年1930_1176246_0041.png 「う」1940年1940_1026632_0029.png

こちらからダウンロードできます(どの形式でも内容は同じです)。

※ダウンロードがうまく行かない場合

内訳は次のとおりです。

文字 ディレクトリ 画像数 文字 ディレクトリ 画像数 文字 ディレクトリ 画像数 文字 ディレクトリ 画像数
あ U3042 1,208 す U3059 1,282 ね U306D 1,126 む U3080 1,058
い U3044 1,122 ず U305A 1,046 の U306E 1,160 め U3081 1,233
う U3046 1,148 せ U305B 1,165 は U306F 1,247 も U3082 1,187
え U3048 1,077 ぜ U305C 1,115 ば U3070 1,105 や U3084 1,285
お U304A 1,283 そ U305D 1,285 ぱ U3071 262 ゆ U3086 1,282
か U304B 1,259 ぞ U305E 1,066 ひ U3072 1,074 よ U3088 1,166
が U304C 1,200 た U305F 1,285 び U3073 1,045 ら U3089 1,114
き U304D 1,121 だ U3060 1,116 ぴ U3074 126 り U308A 1,244
ぎ U304E 1,091 ち U3061 1,052 ふ U3075 1,285 る U308B 1,190
く U304F 1,266 ぢ U3062 1,132 ぶ U3076 1,149 れ U308C 1,238
ぐ U3050 1,043 つ U3064 1,142 ぷ U3077 112 ろ U308D 1,069
け U3051 1,155 づ U3065 1,080 へ U3078 1,114 わ U308F 1,283
げ U3052 1,058 て U3066 1,213 べ U3079 1,109 ゐ U3090 1,053
こ U3053 1,115 で U3067 1,178 ぺ U307A 268 ゑ U3091 1,030
ご U3054 1,078 と U3068 1,184 ほ U307B 1,115 を U3092 1,254
さ U3055 1,261 ど U3069 1,134 ぼ U307C 1,044 ん U3093 1,285
ざ U3056 1,070 な U306A 1,233 ぽ U307D 261 (計)   80,000
し U3057 1,285 に U306B 1,260 ま U307E 1,285      
じ U3058 1,099 ぬ U306C 1,093 み U307F 1,142      

データセットの活用例として、機械学習による自動分類プログラムを試作しました。オープンソースの深層学習フレームワークChainerのサンプルプログラムを改変したものです。Chainerの実行環境の他、Pillowパッケージが必要です。


サンプルプログラムの実行手順の例:

$ wget http://lab.ndl.go.jp/dataset/hiragana73.tar.gz

$ tar xfz hiragana73.tar.gz

$ wget http://lab.ndl.go.jp/dataset/example/train_ndlkana.tar.gz

$ tar xfz train_ndlkana.tar.gz

$ python example/ndlkana/train.py -d hiragana73
※ダウンロードがうまく行かない場合:

利用者側のWebセキュリティ等により、一括のダウンロードがうまく行かない場合があります。その場合、次の分割データのダウンロードをお試し下さい。

DR