[发明专利]基于少次学习的甲骨文单字识别方法和装置

说明书

本发明提供一种基于少次学习的甲骨文单字识别方法和装置，其中方法包括：获取甲骨文单字图片；将所述甲骨文单字图片输入至甲骨文单字识别模型，输出与所述甲骨文单字图片相对应的甲骨文单字类别识别结果；其中，所述甲骨文单字识别模型是基于甲骨文单字样本数据以及预先确定的甲骨文单字样本类别标签进行训练后得到。由于甲骨文的文字样本数量很少，本发明对甲骨文单字识别模型的训练方式是采用少次学习的方式进行，能够针对甲骨文单字的数据长尾分布特点，做到同时强化模型的单字表示与特征提取能力，克服过拟合，最终提高模型在真实大规模情境中的识别和移植效果。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于少次学习的甲骨文单字识别方法和装置。

背景技术

单字识别任务旨在对输入的单字进行识别，确定其类别。甲骨文单字识别任务可以被建模为图像分类任务，即给定某张甲骨文单字的图片输入，输出其对应的类别。随着深度学习的发展，基于卷积神经网络的单字识别模型表现已经在MNIST手写数字识别分类等多个数据集上得到了验证，很多基于卷积神经网络(CNN)的方法如早期的LeNet、AlexNet以及后来的ResNet、DenseNet等都在图像分类任务上表现不俗。但对于甲骨学研究，甲骨文单字识别面临着单字种类多且样本数量不均的问题。因此，需要解决的是在数据分布稀疏的情况下，如何设计模型，使其能够对单字进行有效的表示和学习，把握甲骨单字笔画中的深刻特征。

已有的模型只考虑了每类含多个样本的单字数据，在缩小范围的单字空间中进行分类。这样的模型在精挑细选的单字上进行训练，容易造成过拟合问题，只能对事先训练中见到的样本进行分类，故而很难在真实甲骨单字的大规模数据上使用。

发明内容

本发明提供一种基于少次学习的甲骨文单字识别方法和装置，用以解决现有技术中模型在精挑细选的单字上进行训练，容易造成过拟合问题，只能对事先训练中见到的样本进行分类，很难在真实甲骨单字的大规模数据上使用的缺陷，实现针对甲骨文单字的数据长尾分布特点，做到同时强化模型的单字表示与特征提取能力，克服过拟合，最终提高模型在真实大规模情境中的识别和移植效果。

第一方面，本发明提供一种基于少次学习的甲骨文单字识别方法，包括：

获取甲骨文单字图片；

将甲骨文单字图片输入至甲骨文单字识别模型，输出与所述甲骨文单字图片相对应的甲骨文单字类别识别结果；

其中，所述甲骨文单字识别模型是基于甲骨文单字样本数据以及预先确定的甲骨文单字样本类别标签进行训练后得到。

进一步，根据本发明提供根据的基于少次学习的甲骨文单字识别方法，其中，所述将甲骨文单字图片输入至甲骨文单字识别模型，输出与所述甲骨文单字图片相对应的甲骨文单字类别识别结果，包括：

将所述甲骨文单字图片输入至所述甲骨文单字识别模型中的甲骨文单字编码器层，获取所述甲骨文单字图片所对应的隐藏表示；

将所述隐藏表示输入至所述甲骨文单字识别模型中的甲骨文单字分类器层，确定所述甲骨文单字图片所对应的甲骨文单字类别识别结果。

进一步，根据本发明提供根据的基于少次学习的甲骨文单字识别方法，其中，所述获取所述甲骨文单字图片所对应的隐藏表示，具体包括：

获取所述甲骨文单字图片的像素颜色构成的二维矩阵；

将所述甲骨文单字图片输入嵌入层中，将所述二维矩阵嵌入到低维稠密向量空间中，获取所述甲骨文单字的隐藏表示。

进一步，根据本发明提供根据的基于少次学习的甲骨文单字识别方法，其中，所述将所述隐藏表示输入至所述甲骨文单字识别模型中的甲骨文单字分类器层，确定所述甲骨文单字图片所对应的甲骨文单字类别识别结果，具体包括：

确定所述预先确定的甲骨文单字样本类别的隐藏表示原型；