Die Knocheninschrift ist ein wichtiges kulturelles Artefakt, das die Lieferung von Produkten durch lokale Beamte an die Zentralregierung während der Westlichen Han-Dynastie dokumentiert. Die genaue Erkennung ihres Textinhalts ist von großer Bedeutung. Aufgrund der Schwierigkeit, Textmerkmale vor einem komplexen Hintergrund mit Texturen zu extrahieren, sowie des Problems redundanter Erkennungsrahmen durch dichten und zusammenhängenden Text wird ein Algorithmus zur Erkennung von Text auf Knocheninschriften vorgeschlagen, der selbstaufmerksame Faltung und eine verbesserte Verlustfunktion kombiniert. Zuerst wird im Feature-Extraktionsmodul von YOLOv5 ein selbstaufmerksamer Faltungsmodul hinzugefügt, um die Aufmerksamkeit des Netzwerks auf die Merkmale des Knocheninschriftentextes zu verstärken und gleichzeitig reichhaltigere globale Informationen zu erfassen, sodass die Störungen durch Risse bei der Merkmalsextraktion reduziert werden. Anschließend wird die Focal-EIOU-Verlustfunktion anstelle der ursprünglichen CIOU verwendet, die Breiten- und Höhenverluste verwendet, um die Differenz zwischen vorhergesagtem und echtem Rahmen zu verringern, Vorhersagerahmen, die größer als der echte Rahmen sind, auszuschließen und so das Problem redundanter Erkennungsrahmen aufgrund von dichtem und zusammenhängendem Text zu lösen, was die Genauigkeit der Modellvorhersage verbessert. Die experimentellen Ergebnisse zeigen, dass die durchschnittliche Präzision des Algorithmus 93,35 % erreicht, was eine Steigerung um 3,08 % gegenüber YOLOv5 bedeutet und besser für die Aufgabe der Erkennung von dichtem, zusammenhängendem Knocheninschriftentext vor komplexem Texturhintergrund geeignet ist.

Texterkennung;Knocheninschrift;Aufmerksamkeitsmechanismus;YOLOv5;Verlustfunktion