基于Capsule网络的甲骨文构件识别方法

作者：鲁绪正; 蔡恒进^*; 林莉

来源：智能系统学报, 2020, 15(02): 243-254.

• 甲骨文
• 甲骨文构件识别
• 卷积神经网络
• Capsule网络
• 动态路由算法
• 迁移学习
• 多目标识别
• 图像识别

甲骨文作为中国最早的成形文字系统,具有重要的文化和学术价值。研究甲骨文构件和其构形系统是破译未识别的甲骨文的重要方向,但是甲骨文构件的标记工作只能由资深专家来完成,并且需要耗费大量时间和精力。针对这些问题,提出了一种基于Capsule网络和迁移学习的模型OracleNet,可以自动识别并标记甲骨文字形中包含的构件;同时,构建了包含标记的甲骨文字形和构件数据集,用于模型的训练和评估。实验结果显示,OracleNet模型对甲骨文构件的预测精确度达到了60%以上,其中Top5精确度达到了71.56%,验证了模型的有效性。