文献类型：期刊文章

作　　者：史先进[1,2] 曹爽[1] 张重生[1] 陶月锋[1] 吕灵灵[3] 沈夏炯[1]

SHI Xian-jin;CAO Shuang;ZHANG Chong-sheng;TAO Yue-feng;LÜ Ling-ling;SHEN Xia-jiong(School of Computer and Information Engineering,Laboratory of the Yellow River Cultural Heritage,Henan University,Kaifeng,Henan 475004,China;Henan Electrochemical Education Center,Zhengzhou,Henan 450004,China;School of Electric Power,North China University of Water Conservancy and Hydropower,Zhengzhou,Henan 450045,China)

机构地区：[1]河南大学计算机与信息工程学院,河南大学黄河文化遗产实验室,河南开封475004 [2]河南省电化教育馆,河南郑州450004 [3]华北水利水电大学电力学院,河南郑州450045

出　　处：《电子学报》

年　　份：2021

卷　　号：49

期　　号：10

起止页码：2020-2031

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：甲骨文是中国最早的系统文字,是目前能见到的最早的成熟汉字.甲骨文的研究对历史探究和文化传承具有重要的意义.但是要实现字符级别的甲骨字符图像标注,在现有技术环境下,只能通过资深甲骨学专家进行人工标注,不仅耗费人力资源,而且效率低下.针对这一问题,在前期工作中的甲骨字符图像识别模型的基础上,本文提出了一种甲骨字符图像自动标注算法.该算法通过先分列后切割的思想,先将甲骨拓片上的每一个字符图像归结到某一个特定列,再以锚点甲骨字为参考点,根据空间近邻关系找到甲骨原文中的字所对应的甲骨字符图像,从而实现了甲骨字符图像的自动标注.同时,将标注好的甲骨字符图像添加到样本数据集,并利用增广后的数据集(增加6~10倍)重新训练甲骨字符图像识别模型,有利于提高基于深度学习的甲骨文识别算法的识别准确度;以较小的成本大幅增加样本数量,也可以节约专家大量的时间和人力.

关 键 词：甲骨文 图像标注 数据增广  锚点 空间近邻  模式识别  

分 类 号：TP311.5] TP391.1[计算机类]