文献类型：期刊文章

作　　者：陈善雄[1] 朱世宇[1,2] 熊海灵[1] 赵富佳[1,3] 王定旺[1,3] 刘云[3]

CHEN Shan-Xiong;ZHU Shi-Yu;XIONG Hai-Ling;ZHAO Fu-Jia;WANG Ding-Wang;LIU Yun(College of Computer and Information Science,Southwest University,Chongqing 400715;College of Computer and Internet of Things,Chongqing Institute of Engineering College,Chongqing 400056;Institute of Yi Studies,Guizhou University of Engineering Science,Bijie 551700)

机构地区：[1]西南大学计算机与信息科学学院,重庆400715 [2]重庆工程学院计算机与物联网学院,重庆400056 [3]贵州工程应用技术学院彝学研究院,毕节551700

出　　处：《自动化学报》

基　　金：国家自然科学基金(61603310);国家社会科学基金(19BYY171);重庆市自然科学基金(cstc2019jcyj-msxm2550);模式识别国家重点实验室开放课题(201900010);中央高校基本科研业务费(XDJK2018B020);重庆市教育委员会科学技术研究计划青年项目(KJQN201801901,KJQN201801902)资助。

年　　份：2022

卷　　号：48

期　　号：3

起止页码：853-864

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在中国,彝文古籍文献日益流失而且损毁严重,由于通晓古彝文的研究人员缺乏,使得古籍恢复工作进展十分缓慢.人工智能在图像文本领域的应用,为古籍文献的自动修复提供可能.本文设计了一种双判别器生成对抗网络(Generative adversarial networks with dual discriminator,D2GAN),以还原古代彝族字符中的缺失部分.D2GAN是在深度卷积生成对抗网络的基础上,增加一个古彝文筛选判别器.通过三个阶段的训练来迭代地优化古彝文字符生成网络,以获得古彝文字符的文字生成器.根据筛选判别器的损失结果优化D2GAN模型,并使用生成的字符恢复古彝文中丢失的笔画.实验结果表明,在字符残缺低于1/3的情况下,本文提出的方法可使文字笔画的修复率达到77.3%,有效地加快了古彝文字符修复工作的进程.

关 键 词：彝文 生成式对抗网络  深度学习  梯度下降

分 类 号：TP391.41] TP183[计算机类]