基于深度卷积神经网络的甲骨文字检测技术研究

发布时间：2023-04-26 17:50

　　甲骨文是目前中国发现的最早的成系统的文字,是四大文明古国中唯一流传不绝且影响至今的文字系统,也是中国文字的鼻祖。2017年10月30日甲骨文入选“世界记忆名录”,标志着甲骨文的价值得到了全世界的公认。2019年11月1日,习近平在致甲骨文发现和研究120周年的贺信中曾指出甲骨文是汉字的源头和中华优秀传统文化的根脉,值得倍加珍视、更好传承发展。甲骨文字检测是甲骨学研究的首要内容,目的是从甲骨拓片中定位每一个字符,这是后续识别、检索和字形破译等任务的前提。目前,这些工作需要甲骨学专家手工完成,效率低下。在现有约16万片甲骨中,只有约8万片附有释文且带有专家的主观认知,不够准确。如何精确检测、识别甲骨字仍是一项亟待解决的任务。鉴于深度学习在计算机视觉领域的成功,本文利用深度卷积神经网络围绕甲骨文字检测展开相关研究,主要工作如下:(1)制作了一个大规模甲骨文检测数据集,该数据集包含样本9400张,目前还在不断扩充,旨在服务于甲骨文字定位相关研究。(2)选取主流目标检测模型:Faster R-CNN、FPN、SSD、YOLOv3、Retina Net,并将其移植到甲骨文字检测数据集中。实验发现,...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文的研究内容
    1.4 本文的组织结构
2 相关理论基础与数据
    2.1 深度学习技术概述
    2.2 卷积神经网络及发展
    2.3 目标检测模型及其优化技术
    2.4 甲骨文字检测数据集构建
        2.4.1 甲骨文字检测数据集提出的背景
        2.4.2 数据来源
        2.4.3 甲骨数据分析
        2.4.4 数据集标注工具简介
        2.4.5 数据加工
    2.5 评价指标
    2.6 本章小结
3 甲骨文字检测模型的选择与改良
    3.1 模型选择
        3.1.1 二阶模型
        3.1.2 一阶模型
        3.1.3 目标检测模型在甲骨文字检测任务中的表现
    3.2 甲骨文字检测难点
    3.3 模型优化
        3.3.1 SPPG-YOLO
        3.3.2 ASPP-YOLO
    3.4 实验分析与验证
    3.5 本章小结
4 甲骨文字检测的多策略优化集成
    4.1 模拟噪声
    4.2 锚框聚类
    4.3 GIoU损失函数
    4.4 混合精度
    4.5 实验分析与验证
    4.6 本章小结
5 甲骨文字检测识别系统设计与实现
    5.1 需求分析
    5.2 可行性分析
    5.3 实验环境
    5.4 系统设计
    5.5 系统功能
    5.6 本章小结
6 结论与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果



本文编号：3801929