使用两种深度学习模型识别甲骨文
计算机视觉与模式识别
2021-05-05 v2 人工智能
摘要
甲骨文(OBIs)包含世界上一些最古老的字符，约 3000 年前用于中国。作为文学古老形式，OBIs 存储大量可助我们理解世界历史、字符评注等的信息。然而，因 OBIs 仅约 120 年前被发现，鲜有研究描述它们，且老化过程使铭文清晰度下降。故自动字符检测与识别已成为重要问题。本文旨在设计在线 OBI 识别系统以助文化遗产保存与整理。我们评估两种深度学习模型用于 OBI 识别，并设计可在线访问的 API 用于 OBI 识别。第一阶段，应用 you only look once (YOLO) 检测与识别 OBIs。然而，并非所有 OBIs 都能被 YOLO 正确检测，故我们接着利用 MobileNet 通过手动裁剪图像中未检测 OBI 来识别。MobileNet 用于第二阶段识别，因我们对十种 SOTA 模型的评估显示，鉴于其在准确率、损失与耗时方面的优越性能，它是最佳 OBI 识别网络。我们将系统安装于应用程序编程接口(API)并开放用于 OBI 检测与识别。
引用
@article{arxiv.2105.00777,
title = {Recognition of Oracle Bone Inscriptions by using Two Deep Learning Models},
author = {Yoshiyuki Fujikawa and Hengyi Li and Xuebin Yue and Aravinda C and Amar Prabhu G and Lin Meng},
journal= {arXiv preprint arXiv:2105.00777},
year = {2021}
}