發(fā)布時間：2024-06-08 04:30

　　甲骨文是中國迄今為止發(fā)現(xiàn)的最早的成熟文字系統(tǒng),是漢字的來源,也是中國優(yōu)秀傳統(tǒng)文化的根源�，F(xiàn)在甲骨文的研究已經(jīng)進(jìn)入信息時代,2019年在安陽市舉行的紀(jì)念甲骨文發(fā)現(xiàn)120周年國際學(xué)術(shù)研討會的開幕式上,甲骨文大數(shù)據(jù)平臺——“殷契文淵”正式發(fā)布。該平臺是甲骨文知識共享平臺,對全世界的學(xué)者免費開放。由于目前甲骨文資源大多是圖片,不利于該平臺的數(shù)據(jù)進(jìn)行輸入、存儲、檢索、傳輸?shù)?所以作為該數(shù)據(jù)平臺研究團(tuán)隊中的一員,對甲骨文字進(jìn)行識別研究工作愈加重要。本文主要研究拓片上甲骨文字的識別,文字識別的傳統(tǒng)方法主要是基于“數(shù)據(jù)預(yù)處理+人工特征提取+分類識別”框架,對印刷體文字的識別率較高,而對于手寫體的識別率并不高。甲骨文是殷商時期的手寫體文字,異形體較多,數(shù)據(jù)樣本少,并且拓片上的甲骨文還有背景噪聲,所以識別有一定的難度。近幾年,基于深度學(xué)習(xí)的脫機(jī)手寫文字識別技術(shù)得到充足的發(fā)展,深度神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的圖像多層次特征提取能力,能夠描述文字圖像不同級別的數(shù)據(jù)特征。因此,本文利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行甲骨文字識別研究,設(shè)計具有較好識別能力的深度卷積神經(jīng)網(wǎng)絡(luò)甲骨文字識別框架。實驗結(jié)果證明該模型能夠較好地表達(dá)甲骨文字特征,達(dá)...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)
    2.1 神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)元模型
        2.1.2 感知機(jī)
        2.1.3 BP算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 CNN基本結(jié)構(gòu)
        2.2.2 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)模型
    2.3 本章小結(jié)
3 甲骨文字?jǐn)?shù)據(jù)集
    3.1 獲取數(shù)據(jù)圖像
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)增強(qiáng)
        3.2.2 圖像去噪
        3.2.3 數(shù)據(jù)歸一化
    3.3 本章小結(jié)
4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的甲骨文字識別
    4.1 甲骨文字識別網(wǎng)絡(luò)概述
    4.2 OBI-CNN網(wǎng)絡(luò)模型
    4.3 OBI-CNN損失函數(shù)與梯度優(yōu)化選擇
        4.3.1 損失函數(shù)
        4.3.2 梯度優(yōu)化算法
    4.4 模型訓(xùn)練
        4.4.1 深度學(xué)習(xí)框架
        4.4.2 實驗環(huán)境
        4.4.3 訓(xùn)練過程
    4.5 本章小結(jié)
5 性能評估與系統(tǒng)開發(fā)
    5.1 評估指標(biāo)
    5.2 性能評估
    5.3 甲骨文字識別系統(tǒng)的設(shè)計與實現(xiàn)
        5.3.1 系統(tǒng)開發(fā)環(huán)境
        5.3.2 系統(tǒng)總體框架
        5.3.3 前端界面及運(yùn)行測試
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝



本文編號：3991454