ETL文字データベース

「ETL文字データベース」は手書きまたは印刷の英数字、記号、ひらがな、カタカナ、教育漢字、ＪＩＳ第１水準漢字など、約１２０万の文字画像データを収集しています。1973年から1984年にかけて電子技術総合研究所（現　独立行政法人産業技術総合研究所）において、日本電子工業振興協会（現電子情報技術産業協会）・大学・民間の研究機関の協力のもとに文字認識研究用に収集され、ETL-1からETL-9の9種類のデータにまとめられています。本データベースは磁気テープやCD-Rの郵送によって提供されていましたが2011年4月以降インターネット経由でダウンロードすることが可能になりました。

「ＥＴＬ文字データベース」は、オフライン文字認識アルゴリズムの性能を比較可能にするための共通データとして収集したものであり、筆記者に記入して頂いたＯＣＲ用紙、あるいは、漢字が印刷されている（ＥＴＬ２）用紙をスキャナで観測したものです。ＥＴＬ１～ＥＴＬ９はどれも多値ですが、ＥＴＬ８とＥＴＬ９は２値（ＥＴＬ８Ｂ、ＥＴＬ９Ｂ）も公開しています。１文字パターンの大きさは、データベースによって、６０ｘ６０、６４ｘ６３、７２ｘ７６、１２８ｘ１２７pixelsの種類があります。各文字パターンにはＩＤ情報が付加されており、そこに正解コードが含まれています。１つの文字パターンとＩＤ情報を１レコードとし、複数のレコードをまとめて１ファイルとしています。

データベース名	分類名	文字種	筆記者数	全サンプル数	画像サイズ(width, height, bits)	作成年月	ファイル数・形式	参考文献
ETL1	自由手書^†	99（数字：10，英大文字：26，特殊文字：12，カタカナ：51）	1,445	141,319	64,63,4	’73-09	13 M	[C]p.422, [A]p.594
ETL2	印刷	2184（漢字，ひらがな，カタカナ，英数字，記号）	2（明朝体，ゴシック体）	52,796	60,60,6	’73-10	5 K	[M]p.516, [A]p.597, p.593
ETL3	常用手書^†	48（数字：10，英大文字：26，特殊文字：12）	200	9,600	72,76,4	’74-04	2 C	[A]p.591, [C]p.428
ETL4	自由手書¹	ひらがな \| 51	120	6,120	72,76,4	’74-12	1 C	[A]p.591, [C]p.430
ETL5	常用手書^†	カタカナ：51	104	10,608	72,76,4	’75-02	1 C	[A]p.591, [C]p.431
ETL6	常用手書^†	114（カタカナ：46：数字：10，英大文字：26，特殊文字：32）	1,383	157,662	64,63,4	’76-12	12 M	[C]p.421
ETL7L	常用手書^†‡	48（ひらがな：46，半濁点・濁点：2）	175	16,800	64,63,4	’77-08	2 M	[C]p.422，[D]p.773
ETL7S	常用手書^†‡	48（ひらがな：46，半濁点・濁点：2）	175	16,800	64,63,4	’77-08	2 M	[C]p.422，[D]p.773
ETL8G	手書	956（教育漢字：881，ひらがな：75）	1,600	152,960	128,127,4	’80-02	32 G	[D]p.755
ETL8B2	手書	956（教育漢字：881，ひらがな：75）	1,600	152,960	64,63,1	’81-07	3 B	[G]p.77
ETL9G	手書	3036（JIS第１水準漢字：2965，ひらがな：71）	4,000	607,200	128,127,4	’84-03	50 G	[L]p.758，[M]p.524
ETL9B	手書	3036（JIS第１水準漢字：2965，ひらがな：71）	4,000	607,200	64,63,1	’84-08	5 B	[L]p.764，[M]p.525

†「ETL文字データベース」のデータ収集時、文字筆記者に見本文字を見せたものが「常用手書き」、見本文字を見せなかったものが「自由手書き」としています。ただし、文字の形を見せないと、書く場所の指定が難しい場合（ETL1の片仮名）があり、その区別はあまり厳密ではありません。「常用手書き」用の収集用紙は、文字記入枠の上部に見本文字を印刷してあります。各文字サンプルに対する正解コードを付加し易くするためです。

‡ 基本的に一人の筆者は同じ文字を一回しか書いていません。例外はETL7で、一枚のシートにひらがなを二回書いています。