本研究では，伝統文様のデジタルアーカイブ化に資するアノテーション自動化手法について検討した．デジタル化された伊勢型紙約18,000 枚に描かれた文様（梅，桜，菱など）を手がかりに，型紙の文様（約300 種）の自動識別を試みた．伊勢型紙は，文様の抽象度が高いだけでなく，同種の文様でも型紙ごとにデザインが大きく異なる．さらに，伊勢型紙はほぼ白黒2 値で表現されているとともに，自然画像のような仔細なテクスチャを持たない．そのため，自然画像による事前学習モデルを用いたニューラルネットワーク(CNN) による従来手法では十分な性能を得ることが難しい．本研究では，自動生成したフラクタル画像による事前学習モデルを用いたアンサンブル学習によるアノテーションの自動化を試みた．
In this paper, we propose an automated annotation method for the digital archiving of Ise- Katagami, Japanese traditional stencils. We tried to automatically classify the object types depicted in the stencils (about 300 types) based on the patterns (plum blossoms, cherry blossoms, water chestnuts, etc.) for about 18,000 digitized stencil images. The designs in the stencils are not only highly abstract but also highly diverse even within the same class of objects. Moreover, the stencils are almost monochrome, binary black-and-white images, and do not have rich texture information such as in natural images. Therefore, it is difficult to achieve sufficient performance with conventional methods using pre-trained neural network models on natural images. Thus, we propose an improved ensemble method using both fractal images and natural images for pre-trained models.