一种基于图形识别的甲骨文分类方法

作为中国早期的象形文字,甲骨文的识别一直是一个难题。为探索与之相关的甲骨文自动分类问题,提出了一种基于曲率直方图的傅里叶描述子——FDCH,并将这种特征进一步用于对甲骨文文字的分类。该方法具有平移、旋转、尺度不变性。小范围的实验表明,这种方法能够较好地实现对甲骨文文字的自动分类。

基于元学习的甲骨文拓片识别研究

为提高甲骨文拓片的识别效率,针对甲骨文拓片识别过程中存在的数据集种类繁多但类内样本过少的问题,将元学习引入甲骨文拓片图像的识别,提出一种基于元学习的甲骨文拓片识别算法。首先,选择残差网络(ResNet)18作为基本网络结构,以更好地提取甲骨文数据集特征。然后,通过元学习方法对初始模型参数进行学习。试验结果表明,该算法学习到的初始模型参数对于学习新类别的识别有着很好的效果,优于与模型无关的元学习(MAML)等其他模型,并且对于少样本的甲骨文数据集的识别十分有效。该研究为其他少样本数据集的处理和识别提供了一种解决的思路。