基于深度学习的甲骨文偏旁与合体字的识别研究

• 作者: 林小渝 陈善雄 高未泽 莫伯峰 焦清局
• 来源期刊: 南京师大学报（自然科学版）
• 关键词: 甲骨文识别 甲骨文偏旁 迁移学习 偏旁分析 非极大值抑制算法
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 104-116
• 页数: 13页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2021.02.015

摘要

由于甲骨文字形结构多样,异体字较多,其识别一直是甲骨文领域研究的重要问题.本文首次提出以甲骨文偏旁为识别的基本构件,建立单偏旁和合体结构的甲骨文字符识别方法,提升甲骨文识别的精度.方法一:根据甲骨文偏旁字形特点,对甲骨文拓片上的合体字进行甲骨文单偏旁最大极值稳定区域的选取,然后,通过改进的BN-LeNet模型识别甲骨文各个偏旁;方法二:针对甲骨文合体字拓片稀缺的问题,本文提出一种直接对甲骨文合体字进行整体识别的OraNet模型,该模型采用迁移学习的训练策略,对在脱机手写汉字HCL2000数据集预训练的卷积神经网络模型进行参数和结构上的微调,实现迁移得到低层表示和甲骨文合体字集上高层表示的特征融合,以此来提取甲骨文合体字的高级特征.实验结果表明,BN-LeNet网络对甲骨文单偏旁识别率为96.24％,微调的OraNet模型对甲骨文合体字识别率为98.58％,从而表明从甲骨文单偏旁的角度进行甲骨文字形识别,可以获得较高的识别精度.同时本文将甲骨文视为偏旁组合而非整字识别,这使得算法能够识别从未见过的甲骨文新字,即零样本学习,对甲骨文研究有着重要的应用意义.