[发明专利]一种基于深度学习的古文字识别方法及系统

权利要求书

1.一种基于深度学习的古文字识别方法，其特征在于，包括：

获取古文字图像数据集，根据朝代和对应楷书字形对所述古文字图像数据集进行字体标注，并制作分类标签；

对图像数据集中的图像进行预处理，并通过图像增广扩充数据集；

对预处理与图像增广后的图像数据集进行特征提取，并对提取的特征通过分类器分类，以实现不同时间的篆文形体的演变识别；

利用人工设计特征，使用模板匹配的方法进行辅助训练，以对分类器的分类结果进一步分类；

所述对预处理与图像增广后的图像数据集进行特征提取，具体为通过深度神经网络对预处理与图像增广后的图像数据集进行特征提取，包括：

使用Inception_V3结构单元实现图像的并行压缩；使用多层池化单元实现图像的并行压缩，并行整合特征，最大限度提取出具有平移不变性的特征；使用多层过滤器替代大尺寸过滤器；使用批量归一化，对数据内部进行标准化处理，使输出规范化到0到1之间的正态分布。

2.根据权利要求1所述的基于深度学习的古文字识别方法，其特征在于，所述获取古文字图像数据集并制作分类标签，包括：

以楷书单字为索引条目，对指定来源中的楷书单字的篆文形体进行扫描或拍照，获取标准篆文形体；或者，利用爬虫技术从专业楷书-篆文对应数据库获取篆文图像；

针对不同朝代的形体进行字体标注，制作分类标签。

3.根据权利要求1所述的基于深度学习的古文字识别方法，其特征在于，所述对图像数据集中的图像进行预处理，并通过图像增广扩充数据集，包括：

对所述图像数据集中的图像进行平滑去噪处理，同时将图像归一化成统一大小；

对预处理后的图像进行图像增广以扩充数据集；图像增广的方法包括图像水平平移、图像竖直平移和/或图像旋转。

4.根据权利要求1所述的基于深度学习的古文字识别方法，其特征在于，所述对提取的特征通过分类器分类，包括：

将提取的特征通过分类器分类，实现不同时间的篆文形体的演变识别，采取softmax函数作为分类器进行计算，所输出的模型预测概率为

其中，表示当前实例属于第k类的概率，n表示总类别数，s_k(x)表示当前实例x属于第k类的得分，exp(·)表示对括号内元素求指数，表示实例x关于从1到n的所有类别的得分的指数值的总和，k的范围为1到n，j的范围为1到n。

5.一种基于深度学习的古文字识别系统，其特征在于，包括：

数据输入模块，用于获取古文字图像数据集，根据朝代和对应楷书字形对所述古文字图像数据集进行字体标注，并制作分类标签；

图像预处理及图像增广模块，用于对图像数据集中的图像进行预处理，并通过图像增广扩充数据集；

智能识别模型模块，用于对预处理与图像增广后的图像数据集进行特征提取，以实现不同时间的篆文形体的演变识别；

文字概率预测模块，用于对提取的特征通过分类器分类，并以概率值的形式由大到小依次输出模型预测结果；

深入匹配模块，用于利用人工设计特征，对文字概率预测模块分类结果所限定的指定范围内使用模板匹配的方法进行辅助训练，以对分类器的分类结果进一步分类；

所述智能识别模型模块，具体包括：

使用Inception_V3结构单元实现图像的并行压缩；使用多层池化单元实现图像的并行压缩，并行整合特征，最大限度提取出具有平移不变性的特征；使用多层过滤器替代大尺寸过滤器；使用批量归一化，对数据内部进行标准化处理，使输出规范化到0到1之间的正态分布。

6.根据权利要求5所述的基于深度学习的古文字识别系统，其特征在于，所述数据输入模块，包括：

以楷书单字为索引条目，对指定来源中的楷书单字的篆文形体进行扫描或拍照，获取标准篆文形体；或者，利用爬虫技术从专业楷书-篆文对应数据库获取篆文图像；

针对不同朝代的形体进行字体标注，制作分类标签。