古籍漢字字形結(jié)構(gòu)復(fù)雜,數(shù)量大,存在大量異體字、形近字以及由于書寫風(fēng)格不同造成的書寫變體字,給實(shí)現(xiàn)古籍漢字圖像檢索增加了難度�，F(xiàn)有圖像檢索技術(shù)應(yīng)用于古籍漢字圖像時(shí)效果欠佳,針對(duì)古籍漢字特點(diǎn),研究適用于古籍漢字的圖像檢索技術(shù),為古籍文獻(xiàn)和古籍漢字研究人員的研究工作提供有效的輔助工具,有助于提升古籍漢字研究的效率。面向古籍漢字研究人員的實(shí)際需求,在對(duì)古籍漢字字形特點(diǎn)進(jìn)行分析歸納的基礎(chǔ)上,將卷積神經(jīng)網(wǎng)絡(luò)引入古籍漢字圖像檢索研究中,構(gòu)建古籍漢字圖像特征提取網(wǎng)絡(luò)和檢索模型,主要內(nèi)容如下:1.設(shè)計(jì)基于改進(jìn)VGG-16的古籍漢字圖像特征提取網(wǎng)絡(luò)ACCINetVGG-16網(wǎng)絡(luò)模型在提取古籍漢字圖像特征時(shí),過分關(guān)注像素分布、筆畫粗細(xì)等次要特征而忽略了字形結(jié)構(gòu)等主要特征,針對(duì)這一問題,在古籍漢字圖像數(shù)據(jù)集上對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整,并使用可變形卷積提升特征提取網(wǎng)絡(luò)的幾何形變適應(yīng)能力,使其能夠更精準(zhǔn)地提取古籍漢字圖像特征。實(shí)驗(yàn)結(jié)果表明,ACCINet模型對(duì)古籍漢字圖像具有更強(qiáng)的適應(yīng)性,能夠提取更加準(zhǔn)確的古籍漢字圖像特征。2.提出面向古籍漢字圖像特征哈�；腁CCIHNet模型通過使用分段編碼層、激活層和二值編碼層... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

古籍漢字圖像檢索系統(tǒng)界面

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合卷積和長短期記憶網(wǎng)絡(luò)的長文分類方法[J]. 姜恬靜,和欣,何軍,馮姣,李鵬.  小型微型計(jì)算機(jī)系統(tǒng). 2019(11)
[2]基于全局和角點(diǎn)特征的圖像檢索[J]. 姜雪,邵寶民,王振,李秋玲.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[3]通用目標(biāo)檢測技術(shù)新進(jìn)展:可變形卷積網(wǎng)絡(luò)再升級(jí)[J]. 代季峰.  人工智能. 2019(02)
[4]卷積神經(jīng)網(wǎng)絡(luò)在古籍漢字識(shí)別中的應(yīng)用實(shí)踐[J]. 郭利敏,葛亮,劉悅?cè)?  圖書館論壇. 2019(10)
[5]基于猶豫模糊特征的古籍漢字圖像檢索方法[J]. 田學(xué)東,柴彥立,王海彬.  計(jì)算機(jī)工程. 2019(03)
[6]SAR圖像目標(biāo)識(shí)別的卷積神經(jīng)網(wǎng)模型[J]. 林志龍,王長龍,胡永江,張巖.  中國圖象圖形學(xué)報(bào). 2018(11)
[7]結(jié)合輪廓與形狀特征的仿射形狀匹配[J]. 谷睿宇,曾接賢,符祥,冷璐.  中國圖象圖形學(xué)報(bào). 2018(10)
[8]自適應(yīng)書法字圖像匹配和檢索[J]. 章夏芬,張龍海,韓德志,畢坤.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2016(04)
[9]書法字快速多層檢索方法[J]. 俞凱,吳江琴.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2011(08)
[10]基于骨架相似性的書法字檢索[J]. 俞凱,吳江琴,莊越挺.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2009(06)

碩士論文
[1]基于深度學(xué)習(xí)的蒙古文古籍圖像檢索技術(shù)研究[D]. 胡宏偉.內(nèi)蒙古大學(xué) 2018



本文編號(hào)：3313981