[发明专利]一种基于深度学习的古文字识别方法及系统

说明书

本发明涉及一种基于深度学习的古文字识别方法及系统，方法包括：获取古文字图像数据集并制作分类标签；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；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，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。本发明能够根据改进的深度卷积神经网络模型更加精确的实现正确分类，并借助传统人工设计特征进行辅助训练，进一步提高分类准确率，为具有古文字识别需求的用户群提供更好的体验。

技术领域

本发明涉及文字识别领域，特别涉及古文字研究领域，具体为一种基于深度学习的古文字识别方法及系统。

背景技术

古文字指的是古代的文字，在中国则特指秦以前留传下来的篆文体系的文字。甲骨文、金文、小篆等篆文字体分别是中国不同历史朝代的产物，从字体的形体结构和数量来说，均已发展形成严密的文字系统。目前，市场还未有全面的篆文识别系统，将篆文形体进行不同年代分类。大连民族学院建立了甲骨文文字识别系统，是一种中国殷商时代的篆文形体；浙江图书馆长期对印章进行收录及数字化，建立了中国历代人物印鉴数据库，印章是人物索引下的内容，尚未对图像中文字形体年代进行梳理。

目前，篆文识别的数字化系统中，字体的收录源是有限的。已经有一些出版物收集汉字的篆文字体：康熙字典对所有字注有小篆书法；《汉语大字典》以楷书单字为索引条目，收录了甲骨文、金文、小篆等篆字形体。截止至1994年之前，世界上收集汉字单字最多的一部字典：《篆书大字典》收录了常用汉字，字例尽可能接近原迹的精神。还有依据国家规范标准建立涵盖蒙古文变体形式的数字化蒙古文数据库。也有一些楷书-篆文开源数据库依据《甲骨文編》、《金文编》以及《说文解字》等书籍收录的字体图像。

目前，篆文识别的已有方法中，大都采用人工设计特征的方式，如采用HOG(Histogram of Oriented Gradients，方向梯度直方图)、SIFT(Scale Invariant FeatureTransform，尺度不变特征变换)等方法提取人工特征并输入到分类器中完成模式分类。这种方式完全取决于人类的先验知识，而且设计过程费时费力，工作量巨大。而深度学习技术在一定程度上解决了以上问题，深度学习技术通过大量隐藏层的深度神经网络可进行特征的自动学习，从像素中提取出更本质、更抽象、更易于模型学习的特征，而且提供的训练样本越多，模型的泛化能力、推广能力越强。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于深度学习的古文字识别方法及系统，能够根据改进的深度卷积神经网络模型更加精确的实现正确分类，并借助传统人工设计特征进行辅助训练，进一步提高分类准确率，为具有古文字识别需求的用户群提供更好的体验。

本发明解决其技术问题所采用的技术方案是：

根据本发明的一个目的，本发明提出了一种基于深度学习的古文字识别的方法，包括：

S1，获取古文字图像数据集并制作分类标签；

S2，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；

S3，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，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；

S4，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精确分类。

优选的，步骤S1，包括：

通过扫描、拍照或者针对楷书-篆文开源数据库爬虫，获取图像。具体包括以下步骤：

S1.1，楷书单字为索引条目，对《汉语大字典》中的楷书单字的甲骨文、金文和小篆等篆文形体进行扫描，获取标准篆文形体；或者，针对楷书-篆文开源数据库爬虫，获取图像等；