基于深度度量学习的战国简文字识别技术

发布时间：2021-04-13 11:55

　　中国文字有着悠久的历史,而对语言文字学和历史文献学的研究也有了长期深入的研究,也经历了相当长的时代。随着计算机人工智能技术的高速发展,文字识别技术已融入我们生活中的各个领域,将信息处理技术用于古文字研究也越来越多的引起了广大学者的关注。目前,对于甲骨文智能识别的研究已取得了初步的进展,但对于战国简文字研究与计算机文字识别的交叉研究还较为少见。因此,本文将基于深度度量学习的小样本学习算法用于对战国简文字的识别。主要工作如下:（1）目前未发现有适合战国简文字识别所用的数据集,本文提出并整理了战国简数据集Bambooslips。对于安徽大学初步整理的战国简文档,将每条竹简在保持高分辨率的前提下单独取出,并与汉字文档对应保存。对于目前未有字体通过“造字”实现。运用标注软件将每条竹简中的单个文字裁剪保存,并将同一字体的图片保存在一个文件夹中,构成Bambooslips数据集。用于后续战国简文字的识别。（2）考虑到战国简文字数据集Bambooslips属于小样本范畴,本文提出了基于孪生网络的小样本战国简文字识别算法。将算法对Bambooslips数据集整体识别准确率与单个类别的识别准确率依次输出。... 

【文章来源】：河南大学河南省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

Padding过程

Maxpooling操作

第2章相关工作11LossNetwork1Network2weightsInput1Input2图2-4孪生网络结构2.2.2孪生网络结构分类Siamesenetwork一般采用对称卷积网络，以两个大小相同的图像作为输入，输出为这两个图像的相似性度量，判断输入的两张图片是否为同一类。通常Siamesenetwork的拓扑形式可以根据每个输入图像块被组合的位置分成3个基本的类型[27]，如图2-5所示。图2-5孪生网络拓扑结构图中A、B表示待输入的图片。①②③

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 张亚倩.  信息通信. 2018(11)
[2]安徽大学藏战国竹简概述[J]. 黄德宽.  文物. 2017(09)
[3]FSL在DTI大脑图像分析中的应用现状[J]. 许莹.  北京生物医学工程. 2017(04)
[4]清华简九篇综述[J]. 李学勤.  文物. 2010(05)
[5]古墓新知——郭店楚简的价值[J]. 庞朴.  荆门职业技术学院学报. 2003(02)

硕士论文
[1]基于深度学习的少样本图像分类方法[D]. 郑欣悦.中国科学院大学(中国科学院国家空间科学中心) 2019
[2]基于小样本学习的目标匹配研究[D]. 柳青林.西安电子科技大学 2018



本文编号：3135249