CN110738188A - 基于预分类的古文字识别*** - Google Patents

基于预分类的古文字识别*** Download PDF

Info

Publication number
CN110738188A
CN110738188A CN201911015645.1A CN201911015645A CN110738188A CN 110738188 A CN110738188 A CN 110738188A CN 201911015645 A CN201911015645 A CN 201911015645A CN 110738188 A CN110738188 A CN 110738188A
Authority
CN
China
Prior art keywords
ancient
ancient character
font
character
characters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911015645.1A
Other languages
English (en)
Inventor
程少轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201911015645.1A priority Critical patent/CN110738188A/zh
Publication of CN110738188A publication Critical patent/CN110738188A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/226—Character recognition characterised by the type of writing of cursive writing
    • G06V30/2264—Character recognition characterised by the type of writing of cursive writing using word shape
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Character Discrimination (AREA)

Abstract

本发明提供一种能直接针对不同种类的古文字进行识别，且能保证识别准确率的古文字识别***，其特征在于，包括：古文字字形存储部，存储有对应不同种类古文字的字形信息；古文字图像获取部，用于获取待识别的古文字图像；字形参数分析部，用于对古文字图像中古文字的字形进行分析从而得到相应的字形参数；种类比对划分部，用于将字形参数分别与各类字形信息进行比对并将字形参数对应的古文字图像划分为相应的古文字类；以及古文字识别部，用于根据古文字类对古文字图像完成古文字识别。

Description

基于预分类的古文字识别***
技术领域
本发明属于古文字识别领域，具体涉及一种基于预分类的古文字识别***。
背景技术
古文字是随着历史的变迁而产生的古代文字，就中国而言，就有甲骨文、金文等等众多分属不同历史时代的文字。对于每一类的古文字，都需要研究人员投入大量的时间进行深入研究。
为了给古文字的研究工作提供便利，现有的古文字识别技术通常能够通过古文字的特征比对、机器学习等方式实现古文字的识别，使得计算机能够自动根据输入的古文字识别出相应的现代文字，从而让使用者能够方便地了解到古文字的内容。
然而，由于各类古文字的字体在风格的差异非常大，各种古文字识别技术仅仅只将识别对象限定在一小批资料范围之内，比如仅能做金文识别，或只能作殷墟甲骨文识别，因此在软件应用上受到了限制。若是针对多类的古文字进行识别，这些古文字识别技术就会由于各类古文字的差异而导致古文字的识别容易出错，例如在使用机器学习方法时其训练效果会因古文字差异导致识别混乱，因此上述识别方式都难以有效地提升针对多类古文字识别的识别率。
发明内容
为解决上述问题，提供一种能直接针对不同种类的古文字进行识别，且能保证识别准确率的古文字识别***，本发明采用了如下技术方案：
本发明提供了一种基于预分类的古文字识别***，用于对不同种类的古文字进行有效识别，其特征在于，包括：古文字字形存储部，存储有对应不同种类古文字的字形信息；古文字图像获取部，用于获取待识别的古文字图像；字形参数分析部，用于对古文字图像中古文字的字形进行分析从而得到相应的字形参数；种类比对划分部，用于将字形参数分别与各类字形信息进行比对并将字形参数对应的古文字图像划分为相应的古文字类；以及古文字识别部，用于根据古文字类对古文字图像完成古文字识别。
本发明提供的基于预分类的古文字识别***，还可以具有这样的技术特征，其中，字形信息包括各类古文字的字形粗细范围以及字形边缘锐利范围，字形参数包括古文字图像中古文字的字形粗细参数以及字形边缘锐利程度，种类比对划分部在将字形参数分别与各类字形信息进行比对时，将与字形参数相符的字形信息所对应的种类作为古文字类。
本发明提供了一种基于预分类的古文字识别***，用于对不同种类的古文字进行有效识别，其特征在于，包括：划分模型存储部，存储有事先训练完成且用于识别古文字的所属种类的种类划分模型；古文字图像获取部，用于获取待识别的古文字图像；字形参数分析部，用于对古文字图像中古文字的字形进行分析从而得到相应的字形参数；种类识别划分部，用于将字形参数输入种类划分模型进行识别并将字形参数对应的古文字图像划分为相应的古文字类；以及古文字识别部，用于根据古文字类对古文字图像完成古文字识别。
本发明提供的基于预分类的古文字识别***，还可以具有这样的技术特征，其中，字形参数分析部通过傅里叶函数将字形量化为字形参数。
本发明提供的基于预分类的古文字识别***，还可以具有这样的技术特征，还包括：古文字数据集存储部，存储有对应不同古文字类的古文字数据集，其中，古文字识别部包括：识别模型存储单元，存储有事先采用机器学习方法分别根据不同种类的古文字数据集完成训练得到的对应不同种类的多个古文字识别模型；模型检索获取单元，用于根据古文字类检索识别模型存储单元并获取相应种类的古文字识别模型作为检测模型；以及提取识别单元，用于将古文字图像输入检测模型提取相应特征并完成古文字识别。
本发明提供的基于预分类的古文字识别***，还可以具有这样的技术特征，还包括：古文字数据集存储部，存储有分别对应不同古文字类且含有古文字图像以及相应现代文字信息的古文字数据集，其中，古文字识别部包括：数据集检索获取单元，用于根据古文字类检索古文字数据集存储部并获取相应的古文字数据集作为检测数据集；图像比对获取单元，用于将古文字图像与检测数据集中的古文字图像分别进行比对并获取检测数据集中最相似的古文字图像作为比对结果图像；以及检索识别单元，用于根据比对结果图像检索古文字数据集存储部并获取相应的现代文字信息从而完成古文字识别。
发明作用与效果
根据本发明的基于预分类的古文字识别***，因为通过字形参数分析部对古文字图像中古文字的字形进行分析从而将古文字的字形量化为可识别的字形参数，并通过种类比对划分部根据字形参数以及字形信息的比对将古文字图像划分为相应的古文字类，进一步通过古文字识别部根据古文字类对古文字图像完成识别，从而实现了自动识别待识别古文字的种类并根据相应种类完成精确的古文字识别。本发明的古文字识别***通过根据古文字的字形进行预分类，再根据分类完成对古文字的识别，有效地克服了过去由于古文字而产生的识别困难问题，提高了针对多类古文字识别的识别准确率。
另外，本发明还提供了一种通过机器学习方法完成古文字预分类的古文字识别***，因为在字形参数分析部分析字形参数后，通过种类识别划分部采用种类划分模型对字形参数进行识别从而将古文字图像划分为相应的古文字类，所以在进行古文字的预分类时能够更准确地完成划分，同时，种类划分模型也可以通过不断迭代从而进一步地优化分类效果，最终使得古文字识别部能够更准确地根据相应的古文字类完成识别。
附图说明
图1是本发明实施例一中基于预分类的古文字识别***的结构框图；
图2是本发明实施例一中玺印文字字形的示意图；
图3是本发明实施例一中金文(青铜器铭文)字形的示意图；
图4是本发明实施例一中甲骨文字形的示意图；
图5是本发明实施例一中不同古文字类的“天”字的示意图；
图6是本发明实施例一中古文字识别过程的流程图；以及
图7是本发明实施例二中基于预分类的古文字识别***的结构框图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的基于预分类的古文字识别***作具体阐述。
<实施例一>
图1是本发明实施例中基于预分类的古文字识别***的结构框图。
如图1所示，基于预分类的古文字识别***100包括古文字数据集存储部11、古文字字形存储部12、古文字图像获取部13、字形参数分析部14、种类比对划分部15、古文字识别部16、画面存储部17、输入显示部18、***侧通信部19以及控制上述各部的***侧控制部20。
其中，***侧通信部19用于进行古文字识别***100的各个构成部件之间或是古文字识别***100与其他***之间的数据通信。***侧控制部20存储有用于对古文字识别***100的各个构成部件工作进行控制的计算机程序。
本实施例中，古文字识别***100为一台由使用者持有的计算机，使用者可以将古文字图像输入计算机、或是选择计算机中存储的古文字图像从而让***侧控制部20根据程序控制相应各部完成古文字的识别。
古文字数据集存储部11存储有对应不同种类的古文字数据集。
本实施例中，古文字数据集的不同种类是对应不同时代、不同载体、不同地域的古文字种类，例如玺印文字、甲骨文、金文等古文字。每一类古文字数据集都含有一定数量的该类古文字的古文字图片以及与古文字相对应的现代文字信息(例如现代字符、字符编码等)。
古文字字形存储部12存储有对应不同种类古文字的字形信息。
本实施例中，字形信息为事先对各类古文字进行分析获得，其包括对应各类古文字的字形笔画粗细范围以及字形边缘锐利范围等信息。
古文字图像获取部13用于获取待识别的古文字图像。
本实施例中，古文字图像获取部13获取的古文字图像为使用者输入或选择的古文字图像。
字形参数分析部14用于对古文字图像中古文字的字形进行分析从得到相应的字形参数。
本实施例中，字形参数包括古文字图像中古文字的字形粗细参数以及字形边缘锐利程度。如图2所示的玺印文字、如图3所示的金文(青铜器铭文)以及如图4所示的甲骨文，各个字体的字形风格上差异非常大，因此字形参数分析部14可以分析各个字体的字形并进行量化得到字形参数，就可以识别出古文字的所属种类，从而便于计算机完成后续的识别。
本实施例中，字形参数分析部14通过傅里叶函数完成识别，得到相对应的字形参数。如图5所示，以“天”字为例：不同类别的古文字呈现出字形笔画粗细范围以及字形边缘锐利范围的显著不同。甲骨文字形笔画纤细；商周金文字形笔画粗重，点画往往以很肥厚的状貌呈现；春秋战国金文字形修长；战国楚简文字因系墨书手写，笔画粗细不均，部分笔画末笔锐利；秦小篆笔画匀称，笔画末端圆润。这些字体特征明显，利用傅里叶函数进行识别后，相关参数会有明显差异。
种类比对划分部15用于将字形参数分别与古文字字形存储部12中存储的各类字形信息进行比对并将字形参数对应的古文字图像划分为相应的古文字类。
本实施例中，古文字类即为古文字的各个种类。种类比对划分部15在划分古文字图像所属的古文字类时，判定字形参数中的字形粗细参数以及字形边缘锐利程度是否符合字形信息中字形粗细范围以及字形边缘锐利范围，并将符合范围的字形信息所对应的种类作为古文字类。另外，每个古文字图像对应的古文字类可能包含有一至多个种类。
古文字识别部16用于根据种类比对划分部15划分的古文字类对古文字图像完成古文字识别。
本实施例中，古文字识别部16通过机器学习的方式完成古文字识别，该古文字识别部16包括识别模型存储单元161a、模型检索获取单元162a以及提取识别单元163a。
识别模型存储单元161a存储有事先采用机器学习方法分别根据不同种类的古文字数据集完成训练得到的对应不同种类的多个古文字识别模型。
本实施例中，古文字识别模型的事先训练过程包括：首先通过常规的神经网络技术构建多个基础模型，其次分别根据古文字数据集存储部11中存储的各种类的古文字数据集进行迭代训练直至模型收敛，最后将训练完成的模型根据训练时的古文字数据集的种类进行对应划分从而得到对应不同种类的古文字识别模型。
模型检索获取单元162a用于根据古文字类检索识别模型存储单元并获取相应种类的古文字识别模型作为检测模型。
提取识别单元163a用于将古文字图像输入检测模型提取相应特征并完成古文字识别。
本实施例中，当古文字类中含有多个种类时，模型检索获取单元162a就会获取相应多个古文字识别模型作为检测模型，提取识别单元163a依次将古文字图像输入各检测模型。若各检测模型识别出的现代文字信息都相同，则将该现代文字信息作为识别结果进行输出；若各检测模型识别出的现代文字信息不相同，则以相同数量最多的进行输出。若机器识别仍无法锁定准确现代文字信息，则将出具全部参考字形，进行人工介入，同时完成一次机器学习。
另外，古文字识别部16也能够通过图像比对的方式完成古文字的识别，此时古文字识别部16包括数据集检索获取单元161b、图像比对获取单元162b以及检索识别单元163b。
数据集检索获取单元161b用于根据古文字类检索古文字数据集存储部11并获取相应的古文字数据集作为检测数据集。
图像比对获取单元162b用于将古文字图像与检测数据集中的古文字图像分别进行比对并获取检测数据集中最相似的古文字图像作为比对结果图像。
检索识别单元163b用于根据比对结果图像检索古文字数据集存储部并获取相应的现代文字信息从而完成古文字识别。
本实施例中，当古文字类中含有多个种类时，数据集检索获取单元161b也会获取多个相应的古文字数据集作为检测数据集，并通过图像比对获取单元162b依次进行比对获取比对结果图像，最终使得检索识别单元163b获取多个现代文字信息，若多个现代文字信息都相同，则将该现代文字信息作为识别结果进行输出；若各检测模型识别出的现代文字信息不相同，则以相同数量最多的进行输出。若机器识别仍无法锁定准确现代文字信息，则将出具全部参考字形，进行人工介入，同时完成一次机器学习。
画面存储部17用于存储结果显示画面。
结果显示画面用于在古文字识别部16完成古文字识别时显示并在该画面中显示古文字图像以及相应的现代文字信息让使用者查看。
输入显示部18用于显示上述画面，从而让使用者完成相应的人机交互。本实施例中，输入显示部18为计算机的显示器以及键盘等输入输出设备，在其他实施例中，输入显示部18也能够是触摸屏等其他输入输出设备。
图6是本发明实施例中古文字识别过程的流程图。
如图6所示，古文字识别***100的古文字识别过程包括如下步骤：
步骤S1，古文字图像获取部获取待识别的古文字图像，然后进入步骤S2；
步骤S2，字形参数分析部14对步骤S1获取的古文字图像进行分析并获取相应的字形参数，然后进入步骤S3；
步骤S3，种类比对划分部15将步骤S2分析得到的字形参数与古文字字形存储部12中存储的字形信息进行比对并将古文字图像划分为相应的古文字类，然后进入步骤S4；
步骤S4，古文字识别部16根据步骤S3划分的古文字类对古文字图像进行识别并得到相应的现代文字信息，然后进入步骤S5；
步骤S5，输入显示部18显示结果显示画面并在该画面中显示古文字图像以及相应的现代文字信息让使用者查看，然后进入结束状态。
<实施例二>
本实施例二中，对于与实施例一中具有相同结构的构成要素赋予同样的符号并省略相应的说明。
本实施例二提供了一种以机器学习方法完成古文字预分类的古文字识别***。与实施例一相比，如图7所示，其不同在于古文字字形存储部12以及种类比对划分部15被替换为划分模型存储部21以及种类识别划分部22，具体区别如下：
划分模型存储部21存储有事先训练完成且用于识别古文字的所属种类的种类比模型。
本实施例中，种类划分模型基于常规的神经网络模型构建，通过大量标有所属种类的古文字图像完成训练，模型训练完成后即可进行古文字的种类划分。另外，该种类划分模型还可以通过不断迭代从而优化其对古文字的分类效果。
种类识别划分部22用于将字形参数输入种类划分模型进行识别并将字形参数对应的古文字图像划分为相应的古文字类。
本实施例二的古文字识别过程与实施例一基本相同，其中，在字形参数分析部14分析出字形参数后，所要进行的步骤与实施例一种的步骤S3不同，具体为：在经过步骤S2进入步骤S3a后，种类识别划分部22将步骤S2分析获取的字形参数输入划分模型存储部21存储的种类划分模型并将古文字图像划分为相应的古文字类，然后进入步骤S4。此外，实施例的步骤S2及之前的步骤以及步骤S4及之后的步骤都与实施例一相同，在此不再赘述。
实施例作用与效果
根据本实施例提供的基于预分类的古文字识别***，因为通过字形参数分析部对古文字图像中古文字的字形进行分析从而将古文字的字形量化为可识别的字形参数，并通过种类比对划分部根据字形参数以及字形信息的比对将古文字图像划分为相应的古文字类，进一步通过古文字识别部根据古文字类对古文字图像完成识别，从而实现了自动识别待识别古文字的种类并根据相应种类完成精确的古文字识别。本实施例的古文字识别***通过根据古文字的字形进行预分类，再根据分类完成对古文字的识别，有效地克服了过去由于古文字而产生的识别困难问题，提高了针对多类古文字识别的识别准确率。
另外，本实施例二还提供了一种通过机器学习方法完成古文字预分类的古文字识别***，因为在字形参数分析部分析字形参数后，通过种类识别划分部采用种类划分模型对字形参数进行识别从而将古文字图像划分为相应的古文字类，所以在进行古文字的预分类时能够更准确地完成划分，同时，种类划分模型也可以通过不断迭代从而进一步地优化分类效果，最终使得古文字识别部能够更准确地根据相应的古文字类完成识别。
另外，实施例一中，由于通过将字形参数与字形信息中的参数范围进行比对并将符合的古文字种类作为古文字类，因此种类比对划分部可以更全面地划分出古文字图像可能符合的种类，从而有效地减少由于错漏导致的预分类的分类错误。
另外，实施例中，由于古文字识别部通过古文字类获取相应的古文字识别模型完成古文字的识别，因此可以事先将各个古文字识别模型分别对各类古文字进行针对性的训练，从而使得各个古文字识别模型能够有效、准确地进行各自种类下的古文字识别任务，进一步通过古文字识别部选择合适的模型从而使得古文字识别***能够针对不同种类古文字完成精确识别。同时，古文字识别模型也可以通过迭代优化各自识别率，最终使得古文字识别***的识别率进一步提升。
另外，实施例中，由于古文字识别部通过古文字类获取相应的古文字数据集完成古文字的识别，因此可以省略针对古文字识别模型的训练、维护等成本，在保证古文字识别效率的情况下更简单地完成识别任务。
上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。

Claims (6)

1.一种基于预分类的古文字识别***，用于对不同种类的古文字进行有效识别，其特征在于，包括：
古文字字形存储部，存储有对应不同种类古文字的字形信息；
古文字图像获取部，用于获取待识别的古文字图像；
字形参数分析部，用于对所述古文字图像中古文字的字形进行分析从而得到相应的字形参数；
种类比对划分部，用于将所述字形参数分别与各类所述字形信息进行比对并将所述字形参数对应的所述古文字图像划分为相应的古文字类；以及
古文字识别部，用于根据所述古文字类对所述古文字图像完成古文字识别。
2.根据权利要求1所述的基于预分类的古文字识别***，其特征在于：
其中，所述字形信息包括各类所述古文字的字形粗细范围以及字形边缘锐利范围，
所述字形参数包括所述古文字图像中古文字的字形粗细参数以及字形边缘锐利程度，
所述种类比对划分部在将所述字形参数分别与各类所述字形信息进行比对时，将与所述字形参数相符的所述字形信息所对应的种类作为所述古文字类。
3.一种基于预分类的古文字识别***，用于对不同种类的古文字进行有效识别，其特征在于，包括：
划分模型存储部，存储有事先训练完成且用于识别所述古文字的所属种类的种类划分模型；
古文字图像获取部，用于获取待识别的古文字图像；
字形参数分析部，用于对所述古文字图像中古文字的字形进行分析从而得到相应的字形参数；
种类识别划分部，用于将所述字形参数输入所述种类划分模型进行识别并将所述字形参数对应的所述古文字图像划分为相应的古文字类；以及
古文字识别部，用于根据所述古文字类对所述古文字图像完成古文字识别。
4.根据权利要求1或3所述的基于预分类的古文字识别***，其特征在于：
其中，所述字形参数分析部通过傅里叶函数将所述字形量化为字形参数。
5.根据权利要求1或3所述的基于预分类的古文字识别***，其特征在于，还包括：
古文字数据集存储部，存储有对应不同所述古文字类的古文字数据集，
其中，所述古文字识别部包括：
识别模型存储单元，存储有事先采用机器学习方法分别根据不同种类的所述古文字数据集完成训练得到的对应不同种类的多个古文字识别模型；
模型检索获取单元，用于根据所述古文字类检索所述识别模型存储单元并获取相应种类的所述古文字识别模型作为检测模型；以及
提取识别单元，用于将所述古文字图像输入所述检测模型提取相应特征并完成所述古文字识别。
6.根据权利要求1或3所述的基于预分类的古文字识别***，其特征在于，还包括：
古文字数据集存储部，存储有分别对应不同所述古文字类且含有古文字图像以及相应现代文字信息的古文字数据集，
其中，所述古文字识别部包括：
数据集检索获取单元，用于根据所述古文字类检索所述古文字数据集存储部并获取相应的所述古文字数据集作为检测数据集；
图像比对获取单元，用于将所述古文字图像与所述检测数据集中的所述古文字图像分别进行比对并获取所述检测数据集中最相似的所述古文字图像作为比对结果图像；以及
检索识别单元，用于根据所述比对结果图像检索所述古文字数据集存储部并获取相应的所述现代文字信息从而完成所述古文字识别。
CN201911015645.1A 2019-10-24 2019-10-24 基于预分类的古文字识别*** Pending CN110738188A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911015645.1A CN110738188A (zh) 2019-10-24 2019-10-24 基于预分类的古文字识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911015645.1A CN110738188A (zh) 2019-10-24 2019-10-24 基于预分类的古文字识别***

Publications (1)

Publication Number Publication Date
CN110738188A true CN110738188A (zh) 2020-01-31

Family

ID=69271082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911015645.1A Pending CN110738188A (zh) 2019-10-24 2019-10-24 基于预分类的古文字识别***

Country Status (1)

Country Link
CN (1) CN110738188A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794455A (zh) * 2015-05-04 2015-07-22 北京信息科技大学 一种东巴象形文字识别方法
CN105335689A (zh) * 2014-08-06 2016-02-17 阿里巴巴集团控股有限公司 字符识别方法和装置
CN107273897A (zh) * 2017-07-04 2017-10-20 华中科技大学 一种基于深度学习的文字识别方法
CN108664996A (zh) * 2018-04-19 2018-10-16 厦门大学 一种基于深度学习的古文字识别方法及***
CN108805223A (zh) * 2018-05-18 2018-11-13 厦门大学 一种基于Incep-CapsNet网络的篆文识别方法及***
CN109376731A (zh) * 2018-08-24 2019-02-22 北京三快在线科技有限公司 一种文字识别方法和装置
CN109492643A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于ocr的证件识别方法、装置、计算机设备及存储介质
CN109657739A (zh) * 2019-01-09 2019-04-19 西北大学 一种基于高频声波短时傅里叶变换的手写字母识别方法
CN109948696A (zh) * 2019-03-19 2019-06-28 上海七牛信息技术有限公司 一种多语言场景字符识别方法及***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335689A (zh) * 2014-08-06 2016-02-17 阿里巴巴集团控股有限公司 字符识别方法和装置
CN104794455A (zh) * 2015-05-04 2015-07-22 北京信息科技大学 一种东巴象形文字识别方法
CN107273897A (zh) * 2017-07-04 2017-10-20 华中科技大学 一种基于深度学习的文字识别方法
CN108664996A (zh) * 2018-04-19 2018-10-16 厦门大学 一种基于深度学习的古文字识别方法及***
CN108805223A (zh) * 2018-05-18 2018-11-13 厦门大学 一种基于Incep-CapsNet网络的篆文识别方法及***
CN109376731A (zh) * 2018-08-24 2019-02-22 北京三快在线科技有限公司 一种文字识别方法和装置
CN109492643A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于ocr的证件识别方法、装置、计算机设备及存储介质
CN109657739A (zh) * 2019-01-09 2019-04-19 西北大学 一种基于高频声波短时傅里叶变换的手写字母识别方法
CN109948696A (zh) * 2019-03-19 2019-06-28 上海七牛信息技术有限公司 一种多语言场景字符识别方法及***

Similar Documents

Publication Publication Date Title
US7885464B2 (en) Apparatus, method, and program for handwriting recognition
EP2166488B1 (en) Handwritten word spotter using synthesized typed queries
US7729538B2 (en) Spatial recognition and grouping of text and graphics
Pratikakis et al. ICFHR 2014 competition on handwritten keyword spotting (H-KWS 2014)
CN111652332B (zh) 基于二分类的深度学习手写中文字符识别方法及***
JPH06243297A (ja) 静的及び動的パラメータを使用する自動手書き文字認識装置及び方法
Fazilov et al. State of the art of writer identification
Valy et al. Character and text recognition of khmer historical palm leaf manuscripts
Ramesh et al. Offline Kannada handwritten character recognition using convolutional neural networks
Rosyda et al. A review of various handwriting recognition methods
Akram et al. Improving Urdu recognition using character-based artistic features of nastalique calligraphy
De Stefano et al. Layout measures for writer identification in mediaeval documents
Saabni et al. Keyword searching for Arabic handwritten documents
Liang et al. Automatic handwriting feature extraction, analysis and visualization in the context of digital palaeography
Nadeem et al. Character recognition using template matching
Zhang et al. Computational method for calligraphic style representation and classification
CN110738188A (zh) 基于预分类的古文字识别***
Halder et al. Individuality of isolated Bangla characters
Joshi et al. Combination of multiple image features along with KNN classifier for classification of Marathi Barakhadi
Niels et al. Introducing Trigraph-trimodal writer identification
Nirmalasari et al. Handwritten text recognition using fully convolutional network
Halder et al. Individuality of Bangla numerals
Wolf et al. Improving handwritten word synthesis for annotation-free word spotting
Gerhana et al. Comparison of Template Matching Algorithm and Feature Extraction Algorithm in Sundanese Script Transliteration Application using Optical Character Recognition
Elaiwat et al. Arabic word recognition system for historical documents using multiscale representation method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200131

WD01 Invention patent application deemed withdrawn after publication