一种基于深度学习的青铜器铭文识别方法

考古出土的青铜器铭文是非常宝贵的文字材料,准确、快速地了解其释义和字形演变源流对考古学、历史学和语言学研究均有重要意义.青铜器铭文的辨识需要综合文字的形、音、义进行研究,其中第一步也是最重要的一步就是分析文字的形体特征.本文提出一种基于两阶段特征映射的神经网络模型来提取每个文字的形体特征,最后对比目前已知的文字研究成果,如《古文字类编》、《说文解字》,得出识别的结果.通过定性和定量的实验分析,我们发现本文提出的方法可达到较高的识别精度.特别地,在前10个预测类别中(Top-10)准确率达到了94.2％,大幅缩小了考古研究者的搜索推测空间,提高了青铜铭文识别的效率和准确性....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 44; no. 11; pp. 2023 - 2030
Main Authors 李文英, 曹斌, 曹春水, 黄永祯
Format Journal Article
LanguageChinese
Published 中国人民大学历史学院 北京100872%中国科学院自动化研究所模式识别国家重点实验室 北京100190 01.11.2018
银河水滴科技(北京)有限公司 北京100190
Subjects
青铜器铭文
深度卷积神经网络
文字识别
模式识别
深度学习
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.2018.c180152

Cover

More Information
Summary:考古出土的青铜器铭文是非常宝贵的文字材料,准确、快速地了解其释义和字形演变源流对考古学、历史学和语言学研究均有重要意义.青铜器铭文的辨识需要综合文字的形、音、义进行研究,其中第一步也是最重要的一步就是分析文字的形体特征.本文提出一种基于两阶段特征映射的神经网络模型来提取每个文字的形体特征,最后对比目前已知的文字研究成果,如《古文字类编》、《说文解字》,得出识别的结果.通过定性和定量的实验分析,我们发现本文提出的方法可达到较高的识别精度.特别地,在前10个预测类别中(Top-10)准确率达到了94.2％,大幅缩小了考古研究者的搜索推测空间,提高了青铜铭文识别的效率和准确性.
ISSN:0254-4156
DOI:10.16383/j.aas.2018.c180152