欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023117534113
申请人: 吉林大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,包括:

获取待检测甲骨文拓片;

将所述甲骨文拓片输入预设的检测模型中,获取所述甲骨文拓片上的甲骨文字区域预测结果,其中,所述检测模型基于训练集训练获得,所述训练集包括甲骨文拓片图像和甲骨文单字图像,所述检测模型采用轻量级神经网络构建;

所述检测模型包括:骨干网络模块、类别预测模块、区域预测模块,所述骨干网络模块用于通过卷积运算提取输入图像的特征图;所述类别预测模块用于基于所述特征图进行类别预测,获取类别预测图;所述区域预测模块用于基于所述类别预测图和特征图融合后进行区域预测,输出区域预测图。

2.根据权利要求1所述的基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,基于所述训练集训练所述检测模型之前,还包括对所述训练集进行预处理,所述预处理包括:对所述甲骨文拓片图像上甲骨文字进行位置标注,标注的格式是矩形边界框的左下角顶点坐标和右上角顶点坐标;

对所述甲骨文单字图像进行分类,相同的甲骨文单字被分为同一类别。

3.根据权利要求2所述的基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,所述预处理还包括:对所述甲骨文拓片图像进行数据增强以及尺寸调整,获取相同大小的训练集样本。

4.根据权利要求1所述的基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,所述骨干网络模块采用编码器‑解码器骨干网络,所述类别预测模块采用若干残差结构组成的卷积网络,所述区域预测模块采用转置卷积网络、批量归一化层。

5.根据权利要求1所述的基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,所述甲骨文字区域预测结果表示形式为甲骨文字的矩形包围框的参数,包括左下角的像素坐标和右上角的像素坐标。

6.根据权利要求1所述的基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,在所述检测模型训练过程中,通过对所述类别预测图和区域预测图进行监督,使用梯度下降法更新模型参数。

7.根据权利要求6所述的基于深度学习和计算机视觉的甲骨文字检测方法,其特征在于,在所述检测模型训练过程中,还包括为甲骨文字提供类别伪标签,获取所述类别伪标签的过程包括:输入甲骨文单字图像到残差神经网络中,输出所述甲骨文单字图像的高维向量;

将所述高维向量输入到类别预测器中,输出所述甲骨文单字图像属于各个类别的概率,选取最高概率的类别作为所述甲骨文单字图像的类别,获取所述类别伪标签。