申请/专利权人:西华大学
申请日:2023-11-07
公开(公告)日:2024-01-09
公开(公告)号:CN117373027A
主分类号:G06V30/14
分类号:G06V30/14;G06V30/19;G06V10/82;G06T5/90;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.26#实质审查的生效;2024.01.09#公开
摘要:本发明公开了一种基于全局和局部累积学习的战国竹简文字识别方法。该方法包括:对战国竹简文字初始数据集进行增强处理以获取战国竹简文字识别数据集;构建深度学习网络分支以获取深度学习分支识别结果;构建全局和局部学习网络分支以获取全局学习识别结果、局部学习识别结果和增强信息的余弦相似性,并计算总损失函数;根据总损失函数对深度学习网络分支以及全局和局部学习网络分支进行更新,并利用更新后的深度学习网络分支以及全局和局部学习网络分支确定战国竹简文字识别结果。本发明解决了缺少战国竹简文字数据集,竹木纹路、墨痕及部分文字缺损的问题以及不同文字样本之间数量不均衡的问题,提升了战国竹简文字的识别性能。
主权项:1.一种基于全局和局部累积学习的战国竹简文字识别方法,其特征在于,包括以下步骤:S1、选取清华简作为战国竹简文字的初始数据集,并对战国竹简文字初始数据集进行增强处理以获取战国竹简文字识别数据集;S2、构建深度学习网络分支,并根据深度学习网络分支和步骤S1中的战国竹简文字识别数据集获取深度学习分支识别结果;S3、构建全局和局部学习网络分支,并根据全局和局部学习网络分支和步骤S1中的战国竹简文字识别数据集获取全局学习识别结果、局部学习识别结果和增强信息的余弦相似性;S4、根据步骤S2中的深度学习分支识别结果和步骤S3中的全局学习识别结果、局部学习识别结果和增强信息的余弦相似性,计算总损失函数。根据总损失函数对深度学习网络分支以及全局和局部学习网络分支进行更新,并利用更新后的深度学习网络分支以及全局和局部学习网络分支确定战国竹简文字识别结果。
全文数据:
权利要求:
百度查询: 西华大学 一种基于全局和局部累积学习的战国竹简文字识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。