基于目标检测和知识图谱的古文字识别方法技术

本发明专利技术提出了一种基于目标检测和知识图谱的古文字识别方法，属于图像处理和识别技术领域，包括对古文字图片数据进行部件标注和数据预处理，以扩充古文字图像数据集；构建古文字部件识别模型，识别出古文字图片包含的部件和部件的位置坐标；根据识别出的古文字图片包含的部件和部件的位置坐标，构建古文字部件位置关系识别模型，得出部件的位置关系，以判断文字结构；构建古文字知识图谱；通过所述古文字知识图谱，根据部件和部件位置关系来推理出文字结果。通过识别古文字图像中存在的部件，来推理得到古文字的分类。本发明专利技术通过基于目标检测和知识图谱推理的方法可以增加对于识别的分类的数目，可以进行更多的古文字的分类。可以进行更多的古文字的分类。可以进行更多的古文字的分类。

【技术实现步骤摘要】
基于目标检测和知识图谱的古文字识别方法


[0001]本专利技术属于图像处理和识别
，具体地，涉及一种基于目标检测和知识图谱的古文字识别方法。

技术介绍

[0002]从字母、数字到汉字，OCR(光学字符识别)技术已经广泛应用在办公领域。例如百度文字识别，可以通过拍照和截图的方式，对图片中的中、英、法等多语种进行识别。尽管市面上有诸多公司投身于文字识别领域中，且作出巨大贡献，但在古文字的识别工作上，尚未进行充分的应用。目前，通过相似度计算可以对秦朝(小篆)以前的古文字、书法进行识别。通过神经网络类模型，也可对常用的手写汉字图片进行识别。然而，对于小篆(秦朝)以前的古文字，例如甲骨文、金文、战国文字等，现有的技术方法并不适用。因为目前甲骨文、金文大约有4500个汉字，其中被考释的只有2000余个，而每个单字所出现的次数过少且异体字多，导致训练集中的数据量不够充分，神经网络无法有效的提取文字的特征，因此导致模型几乎无法正确识别古文字。除此之外，由于训练单字数据过少的问题，很难对大多数的古文字进行分类。
[0003]目前的古文字的识别使用的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测和知识图谱的古文字识别方法，其特征在于，包括如下步骤：步骤一、对古文字图片数据进行部件标注和数据预处理，以扩充古文字图像数据集
①
收集古文字图片，获得古文字样本图像，遍历古文字样本图像，对每张古文字样本图像中的古文字用标注框进行部件标注，并将对应的标注作为部件分类标签；
②
对标注好部件分类标签的古文字样本图像进行数据预处理，以扩充古文字图像数据集；所述预处理的方法包括图片大小调整、色域变换和图片翻转；步骤二、构建古文字部件识别模型，利用步骤一中扩充后的古文字图像数据集训练古文字部件识别模型，对古文字部件进行检测，识别出古文字图片所包含的部件和部件的位置坐标；所述古文字部件识别模型中主干特征提取网络通过对YOLOv4算法中的CSPDarknet53网络用MobileNet网络进行替换生成，并且YOLOv4算法中加强特征提取网络由空间金字塔池化网络SPP和路径聚合网络PANet构成，采用yolohead预测网络进行预测来识别出古文字的部件；步骤三、根据步骤二识别出的古文字图片所包含的部件和部件的位置坐标，构建古文字部件位置关系识别模型，得出部件的位置关系，以判断文字结构；所述古文字部件位置关系识别模型中文字结构包括独体字、上下结构、左右结构、包围结构、左中右结构、上中下结构、左右上下结构和上下左右结构；步骤四、构建古文字知识图谱；步骤五、通过所述古文字知识图谱，根据部件和部件位置关系来推理出文字结果。2.根据权利要求1所述的基于目标检测和知识图谱的古文字识别方法，其特征在于，步骤一中还包括：对标注好部件分类标签的古文字样本图像进行裁剪，得到单字样本集合，所述单字样本为具有标签的部件图像，且每个单字样本对应一个部件；对单字样本进行预处理，所述预处理的方法包括图片大小调整、色域变换和图片翻转；预处理后，通过图像拼接方法对单字样本进行拼接扩充原数据集。3.根据权利要求1所述的基于目标检测和知识图谱的古文字识别方法，其特征在于：当部件坐标满足以下关系时，文字结构是左右结构；当部件坐标满足以下关系时，文字结构是上下结构；
当部件坐标满足以下关系时，文字结构是包围结构；当部件坐标满足以下关系时，文字结构是左右上下结构；当部件坐标满足以下关系时，文字结构是上下左右结构；
当部件坐标满足以下关系时，文字结构是上中下结构；当部件坐标满足以下关系时，文字结构是左中右结构；

【专利技术属性】
技术研发人员：徐昊，李沿增，吴垒，史大千，刁晓蕾，
申请(专利权)人：吉林大学，
类型：发明
国别省市：