基于Capsule网络的甲骨文构件识别方法
甲骨文作为中国最早的成形文字系统,具有重要的文化和学术价值.研究甲骨文构件和其构形系统是破译未识别的甲骨文的重要方向,但是甲骨文构件的标记工作只能由资深专家来完成,并且需要耗费大量时间和精力.针对这些问题,提出了一种基于Capsule网络和迁移学习的模型OracleNet,可以自动识别并标记甲骨文字形中包含的构件;同时,构建了包含标记的甲骨文字形和构件数据集,用于模型的训练和评估.实验结果显示,OracleNet模型对甲骨文构件的预测精确度达到了60%以上,其中Top5精确度达到了71.56%,验证了模型的有效性.
甲骨文、甲骨文构件识别、卷积神经网络、Capsule网络、动态路由算法、迁移学习、多目标识别、图像识别
15
TP319.4(计算技术、计算机技术)
2020-08-19(万方平台首次上网日期,不代表论文的发表时间)
共12页
243-254