Oracle Bone Script Similiar Character Screening Approach Based on Simsiam Contrastive Learning and Supervised Learning

要約

本プロジェクトでは、ResNet-50の自己教師あり学習とRepVGG教師あり学習を統合するファジィ総合評価手法を用いた新しい手法を提案する。
ソース画像データセット HWOBC oracle が入力として取得され、ターゲット画像が選択され、最後に最も類似した画像が手動介入なしで順番に出力されます。
異なるモダリティの画像には同じ特徴エンコード方式が使用されません。
モデルのトレーニングの前に、画像データが前処理され、ランダム回転処理、自己正方形グラフ等化理論アルゴリズム、およびガンマ変換によって画像が強化され、主要な特徴の学習が効果的に強化されます。
最後に、ファジィ包括評価法を使用して教師ありトレーニングと教師なしトレーニングの結果を組み合わせることで、定量化が難しい「最も類似した」問題をより適切に解決できます。
現在、未知の甲骨碑文が数多く存在し、その解明を待っています。
グリフに触れることで、クラッキングのための新しいアイデアが得られる可能性があります。

要約(オリジナル)

This project proposes a new method that uses fuzzy comprehensive evaluation method to integrate ResNet-50 self-supervised and RepVGG supervised learning. The source image dataset HWOBC oracle is taken as input, the target image is selected, and finally the most similar image is output in turn without any manual intervention. The same feature encoding method is not used for images of different modalities. Before the model training, the image data is preprocessed, and the image is enhanced by random rotation processing, self-square graph equalization theory algorithm, and gamma transform, which effectively enhances the key feature learning. Finally, the fuzzy comprehensive evaluation method is used to combine the results of supervised training and unsupervised training, which can better solve the ‘most similar’ problem that is difficult to quantify. At present, there are many unknown oracle-bone inscriptions waiting for us to crack. Contacting with the glyphs can provide new ideas for cracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google