一种基于深度学习的青铜器铭文识别方法

被引：25

作者：

李文英 ^{[1
]}

曹斌 ^{[1
]}

曹春水 ^{[2
,3
]}

黄永祯 ^{[2
,3
]}

机构：

[1] 中国人民大学历史学院

[2] 中国科学院自动化研究所模式识别国家重点实验室

[3] 银河水滴科技(北京)有限公司

来源：

自动化学报 | 2018年 / 44卷 / 11期

关键词：

模式识别; 青铜器铭文; 文字识别; 深度学习; 深度卷积神经网络;

D O I：

10.16383/j.aas.2018.c180152

中图分类号：

TP391.41 []; K877.3 [金文];

学科分类号：

080203 ; 060107 ; 060108 ;

摘要：

考古出土的青铜器铭文是非常宝贵的文字材料,准确、快速地了解其释义和字形演变源流对考古学、历史学和语言学研究均有重要意义.青铜器铭文的辨识需要综合文字的形、音、义进行研究,其中第一步也是最重要的一步就是分析文字的形体特征.本文提出一种基于两阶段特征映射的神经网络模型来提取每个文字的形体特征,最后对比目前已知的文字研究成果,如《古文字类编》、《说文解字》,得出识别的结果.通过定性和定量的实验分析,我们发现本文提出的方法可达到较高的识别精度.特别地,在前10个预测类别中(Top-10)准确率达到了94.2%,大幅缩小了考古研究者的搜索推测空间,提高了青铜铭文识别的效率和准确性.

引用

页码：2023 / 2030

页数：8

共 14 条

[1]

基于混合核LS-SVM的古汉字图像识别.[D].孙莹莹.安徽大学.2015, 12

[2]

基于多特征融合SVM的古汉字图像识别研究.[D].孙华.中南大学.2010, 03

[3] 基于拓扑配准的甲骨文字形识别方法 [J].

顾绍通 .

计算机与数字工程, 2016, 44 (10) :2001-2006

[4] 一种基于图形识别的甲骨文分类方法 [J].

吕肖庆 ;

李沫楠 ;

蔡凯伟 ;

王晓 ;

唐英敏 .

北京信息科技大学学报(自然科学版), 2010, (S2) :92-96

[5] 基于图像分割的古彝文字识别系统研究 [J].

王嘉梅 ;

文永华 ;

李燕青 ;

高雅莉 .

云南民族大学学报(自然科学版), 2008, (01) :76-79

[6] 甲骨文自动识别的图论方法 [J].

李锋 ;

周新伦 .

电子科学学刊, 1996, (S1) :41-47

[7] 甲骨文计算机识别方法研究 [J].

周新伦，李锋，华星城，韦剑 .

复旦学报(自然科学版), 1996, (05) :481-486

[8]

中国古代青铜器.[M].马承源.上海人民出版社.2016,

[9]

古文字类编.[M].高明;涂白奎.上海古籍出版社.2014,

[10]

古文字学初阶.[M].李学勤著.中华书局.2006,

← 1 2 →