基于改进DenseNet的西夏文识别研究

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：岳霄;景诗云;史伟

摘要：由于西夏文字的笔画繁多、结构复杂、相似性高以及西夏古籍存在缺字、狐斑、褪变等问题,目前对其检测识别依然是一项较为困难的研究,现有的识别研究多存在识别精度不够理想、漏检和错检等问题。 因此,在综合分析当前主流研究的基础上,该文提出了一种基于改进 DenseNet(Densely Connected Convolutional Networks)网络模型的西夏文识别方法。该方法通过引入空间通道重构卷积替换原模型中的传统 3×3 卷积,其主要利用通道重建模块和空间重构模块减少了网络训练过程中特征图之间的冗余,提高了网络的特征表示能力;并在损失函数部分采用互通道损失函数代替了交叉熵损失,其在不引入任何外部参数的情况下,进一步减少特征冗余并且提高了网络聚焦于重点识别区域的能力。 通过对比实验的结果表明,在 668 类西夏文识别数据集上,该方法的准确率为 97. 08% ,参数量为 6. 2 MB,相对比于目前主流的方法都有较明显的提升,证明了该方法的有效性。

关键词：西夏古籍;文字识别;通道重建;空间重构;互通道损失