改进ResNeSt网络的拓片甲骨文字识别
目前,拓片甲骨文字的识别方法存在局部细节特征提取能力弱,对部分高相似度的甲骨文字识别率较低的问题.为此,本文提出了一种基于改进ResNeSt网络的甲骨文字识别方法,通过设计跳转连接结构,逐步将网络浅层特征向网络深层传递并进行融合;同时结合甲骨文字"长条形"的特点,引入坐标注意力机制模块,从宽度和高度两个方向上对所得特征进行加权融合;最后通过去掉网络最后一层的激活函数和全连接层以及对最后一个卷积层输出通道数的重新设置,对网络分类器进行了有效优化.实验结果表明,本文提出的改进拓片甲骨文字识别模型在OBC306数据集上识别准确率达到93.53%,取得了目前最好的识别效果.
ResNeSt网络模型、甲骨文字识别、跳转连接、坐标注意力机制、分类器优化、OBC306、深度学习、神经网络
18
TP391(计算技术、计算机技术)
国家自然科学基金62236011
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
450-458