典型文献
一种用于甲骨字符提取的双分支融合网络
文献摘要：
为了从甲骨拓片图像中自动提取甲骨字符信息,本文基于深度神经网络构建了一个甲骨字符提取的双分支融合网络(dual-branch fusion network for extracting Oracle characters,EOCNet).EOCNet包含3个基本特点:首先,为了能够利用生成网络较强的结构信息描述能力,EOCNet以对抗生成网络(generative adversarial network,GAN)为基本骨架,将甲骨字符提取问题视为图像到图像的转换任务;其次,为了能利用语义分割网络较强的拓片图像背景和甲骨字符的区分能力,EOCNet将语义分割网络融入生成器网络,并通过空间注意力模型(spatial attention module,SAM)来提高甲骨字符区域特征在生成甲骨字符图像中的作用;再次,为获取内容完整且细节清晰的生成结果,EOCNet结合全局判别器网络和局部判别器网络对生成的甲骨字符图像进行一致性判别.实验结果表明,相比于主流的基于深度学习的图像生成和分割方法,本文模型能够生成更高质量的甲骨字符图像.
文献关键词：
甲骨文;深度学习;生成对抗网络;图像生成
中图分类号：
作者姓名：
刘国英;陈双浩;焦清局
作者机构：
安阳师范学院计算机与信息工程学院,河南 安阳 455000;郑州大学信息工程学院,河南 郑州 450001
文献出处：
引用格式：
[1]刘国英;陈双浩;焦清局-.一种用于甲骨字符提取的双分支融合网络)[J].厦门大学学报（自然科学版）,2022(02):262-271
A类：
EOCNet
B类：
字符提取,双分支,分支融合,融合网络,拓片,自动提取,深度神经网络,网络构建,dual,branch,fusion,network,extracting,Oracle,characters,基本特点,结构信息,信息描述,对抗生成网络,generative,adversarial,GAN,转换任务,语义分割网络,区分能力,生成器,空间注意力模型,spatial,attention,module,SAM,区域特征,生成结果,判别器,图像生成,分割方法,更高质量,甲骨文,生成对抗网络
AB值：
0.367053
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
