基于卷积神经网络的古籍汉字图像分层检索模型

发布时间：2021-07-31 18:35

　　古籍汉字字形结构复杂,数量大,存在大量异体字、形近字以及由于书写风格不同造成的书写变体字,给实现古籍汉字图像检索增加了难度。现有图像检索技术应用于古籍汉字图像时效果欠佳,针对古籍汉字特点,研究适用于古籍汉字的图像检索技术,为古籍文献和古籍汉字研究人员的研究工作提供有效的辅助工具,有助于提升古籍汉字研究的效率。面向古籍汉字研究人员的实际需求,在对古籍汉字字形特点进行分析归纳的基础上,将卷积神经网络引入古籍汉字图像检索研究中,构建古籍汉字图像特征提取网络和检索模型,主要内容如下:1.设计基于改进VGG-16的古籍汉字图像特征提取网络ACCINetVGG-16网络模型在提取古籍汉字图像特征时,过分关注像素分布、笔画粗细等次要特征而忽略了字形结构等主要特征,针对这一问题,在古籍汉字图像数据集上对其网络结构进行调整,并使用可变形卷积提升特征提取网络的几何形变适应能力,使其能够更精准地提取古籍汉字图像特征。实验结果表明,ACCINet模型对古籍汉字图像具有更强的适应性,能够提取更加准确的古籍汉字图像特征。2.提出面向古籍汉字图像特征哈希化的ACCIHNet模型通过使用分段编码层、激活层和二值编码层... 

【文章来源】：河北大学河北省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

古籍汉字图像检索系统界面

【参考文献】：
期刊论文
[1]结合卷积和长短期记忆网络的长文分类方法[J]. 姜恬静,和欣,何军,冯姣,李鹏.  小型微型计算机系统. 2019(11)
[2]基于全局和角点特征的图像检索[J]. 姜雪,邵宝民,王振,李秋玲.  山东理工大学学报(自然科学版). 2019(06)
[3]通用目标检测技术新进展:可变形卷积网络再升级[J]. 代季峰.  人工智能. 2019(02)
[4]卷积神经网络在古籍汉字识别中的应用实践[J]. 郭利敏,葛亮,刘悦如.  图书馆论坛. 2019(10)
[5]基于犹豫模糊特征的古籍汉字图像检索方法[J]. 田学东,柴彦立,王海彬.  计算机工程. 2019(03)
[6]SAR图像目标识别的卷积神经网模型[J]. 林志龙,王长龙,胡永江,张岩.  中国图象图形学报. 2018(11)
[7]结合轮廓与形状特征的仿射形状匹配[J]. 谷睿宇,曾接贤,符祥,冷璐.  中国图象图形学报. 2018(10)
[8]自适应书法字图像匹配和检索[J]. 章夏芬,张龙海,韩德志,毕坤.  浙江大学学报(工学版). 2016(04)
[9]书法字快速多层检索方法[J]. 俞凯,吴江琴.  计算机辅助设计与图形学学报. 2011(08)
[10]基于骨架相似性的书法字检索[J]. 俞凯,吴江琴,庄越挺.  计算机辅助设计与图形学学报. 2009(06)

硕士论文
[1]基于深度学习的蒙古文古籍图像检索技术研究[D]. 胡宏伟.内蒙古大学 2018



本文编号：3313981