基于DeepCluster的朝鲜语古籍文字图像的无监督聚类方法研究

作者：刘晓童; 赵梦玲; 王桂荣; 金小峰^*

来源：延边大学学报(自然科学版), 2023, 49(02): 183-188.

DOI：10.16379/j.cnki.issn.1004-4353.2023.02.002

• 无监督聚类
• 朝鲜语古籍
• DeepCluster
• AlexNet卷积网络
• 深度学习
• 图像数据集
• 文字图像

为了提高朝鲜语古籍文字图像的标注效率，提出了一种基于DeepCluster的朝鲜语古籍文字图像的无监督聚类方法.首先，基于DeepCluster对AlexNet卷积网络进行简化；然后，采用Sobel滤波器的线性变换消除图像域中的颜色和增加局部图像的对比度；最后，利用数据增强方法强化模型对朝鲜语古籍样本特征的学习能力.在无标注的朝鲜语古籍文字图像数据集上进行实验显示，该方法的准确率和NMI指标比DCN方法分别提高了15.32个百分点和0.180.由此表明，该方法可有效提高文字图像的标注效率，可应用于朝鲜语古籍文字标注数据集的构建中.

• 单位
  延边大学