通过改进的swin变压器和灵活的数据增强策略来实现古代中国字符识别
Yi Zheng1, Yi Chen1, Xianbo Wang2
1College of Electrical Engineering, Zhejiang University, Hangzhou 310027, China.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
研究人员开发了一种新的AI模型,可以从考古图像中识别古代中国字符. 这种模型具有很高的准确性,有助于研究中国古代历史和文化.
科学领域:
- 考古学的考古学
- 计算机科学 计算机科学
- 语言学的语言学.
背景情况:
- 解读古代中国文字,如预言骨和青铜铭文,对于历史理解至关重要.
- 虽然预言骨文字识别已经进步,但全面的古汉字符识别仍然不发达.
研究的目的:
- 为了解决缺乏全面的古代中国字符识别的问题.
- 开发和评估一种用于从考古图像中识别古汉字的新型模型.
主要方法:
- 从考古图像中构建了一个大规模的数据集,包含9233个独特的古汉字符.
- 提出了一种新的四阶段识别模型,包括线性嵌入,旋转转换器块和CoT块,用于增强本地特征提取.
- 实施了增强策略,包括自适应数据增强和随机数据重新抽样.
主要成果:
- 在古代中文字符识别任务中获得了最高准确率的87.25%和前五准确率的95.81%.
- 展示了模型通过注意力可视化捕捉古代字符的形态特征的能力.
- 拟议的方法在识别古汉字方面表现出了显著的表现.
结论:
- 开发的模型代表了古代中国字符的自动识别的重大进步.
- 这部作品为研究中国古代历史,文化和文明的研究人员提供了宝贵的工具.
- 该模型的成功凸显了深度学习在解读历史脚本方面的潜力.
