This application discloses an Oracle character recognition model and its training method, system, equipment and computer media. The method includes acquiring Oracle character data set, dividing Oracle character data set into training set and test set, training Oracle character recognition model based on training set and test set, and obtaining a trained Oracle character recognition model based on the trained Oracle character data set. Bone character recognition model recognizes target Oracle characters, which includes: the first convolution layer, the first largest pooling layer, the second convolution layer, the second largest pooling layer, the third convolution layer, the fourth convolution layer, the fifth convolution layer, the third largest pooling layer, the first full connection layer, the second full connection layer and the third full connection layer. The size of the core is larger than 11 *11. The oracle-bone character recognition model provided in this application can automatically recognize the target oracle-bone character, which improves the recognition efficiency of oracle-bone character recognition.
【技术实现步骤摘要】
甲骨文字识别模型及训练方法、系统、设备、计算机介质
本申请涉及卷积神经网络模型
,更具体地说,涉及甲骨文字识别模型及训练方法、系统、设备、计算机介质。
技术介绍
甲骨文字作为古文字还未进入国家标准,也未进入国际标准,所以甲骨文字在出版物上是以图片出现,这位甲骨文字的检索带来了困难。为了检索甲骨文字,现有的甲骨文字识别方法包括基于SVM(SupportVectorMachine,支持向量机)的甲骨文字识别和基于分形几何的甲骨文字识别方法。然而,基于SVM的甲骨文字识别需要采用分块直方图的方式,即手工提取的方式,来提取文字特征;而基于分形几何的甲骨文字识别方法利用分形几何的原理,通过计算字形以及各个象限的分形维数,将甲骨文字形式化为一组分形描述码,再通过与甲骨文字的分形特征库进行配准,得到识别结果,其同样需要人工干预过程。也即,现有的基于SVM的甲骨文字识别和基于分形几何的甲骨文字识别方法均需要人工参与,识别效率较低。综上所述,如何提高甲骨文字识别的识别效率是目前本领域技术人员亟待解决的问题。
技术实现思路
本申请的目的是提供一种甲骨文字识别模型训练方法,其能在一定程度上解决如何提高甲骨文字识别的识别效率的技术问题。本申请还提供了一种甲骨文字识别模型及训练系统、设备及计算机可读存储介质。为了实现上述目的,本申请提供如下技术方案:一种甲骨文字识别模型训练方法,包括:获取甲骨文图文数据集,在所述甲骨文图文数据集中划分出训练集;基于所述训练集对所述甲骨文字识别模型进行训练,得到训练好的甲骨文字识别模型,以基于所述训练好的甲骨文字识别模型对目标甲骨文字进行识别;其中 ...
【技术保护点】
1.一种甲骨文字识别模型训练方法,其特征在于,包括:获取甲骨文图文数据集,在所述甲骨文图文数据集中划分出训练集;基于所述训练集对所述甲骨文字识别模型进行训练,得到训练好的甲骨文字识别模型,以基于所述训练好的甲骨文字识别模型对目标甲骨文字进行识别;其中,所述甲骨文字识别模型包括依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第五卷积层、第三最大池化层、第一全连接层、第二全连接层、第三全连接层;且所述第一卷积层的卷积核尺寸大于11×11。
【技术特征摘要】
1.一种甲骨文字识别模型训练方法,其特征在于,包括:获取甲骨文图文数据集,在所述甲骨文图文数据集中划分出训练集;基于所述训练集对所述甲骨文字识别模型进行训练,得到训练好的甲骨文字识别模型,以基于所述训练好的甲骨文字识别模型对目标甲骨文字进行识别;其中,所述甲骨文字识别模型包括依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第五卷积层、第三最大池化层、第一全连接层、第二全连接层、第三全连接层;且所述第一卷积层的卷积核尺寸大于11×11。2.根据权利要求1所述的方法,其特征在于,所述在所述甲骨文图文数据集中划分出训练集之后,所述基于所述训练集对所述甲骨文字识别模型进行训练之前,还包括:基于所述训练集对所述甲骨文字识别模型对应的浅层模型进行训练,得到训练好的浅层模型;将所述训练好的浅层模型的权值作为所述甲骨文字识别模型的初始权值;其中,所述浅层模型包括依次连接的所述第一卷积层、所述第二卷积层、所述第三卷积层、所述第一最大池化层、所述第二最大池化层、所述第三最大池化层、所述第一全连接层、所述第二全连接层和所述第三全连接层。3.根据权利要求1或2所述的方法,其特征在于,所述获取甲骨文图文数据集,在所述甲骨文图文数据集中划分出训练集,包括:获取所述甲骨文图文数据集;将所述甲骨文图文数据集中的原始图像像素变换为256×256,得到第一变换图像;分别在所述第一变换图像、所述第一变换图像对应的水平翻转图像中,抽取5个225×225切片,得到第二变换图像;在所述第二变换图像中划分出所述训练集。4.根据权利要求3所述的方法,其特征在于,所述在所述第二变换图像中划分出所述训练集,包括:将所述第二变换图像进行旋转,得到第三变换图像;在所述第三变换图像中划分出所述训练集。5.根据权利要求1或2所述的方法,其特征在于,所述基于所述训练集对所述甲骨文字识别模型进行训练,得到训...
【专利技术属性】
技术研发人员:陈锐,吴宗泽,任志刚,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。