郭利敏，葛 亮，刘悦如

0 前言

虽然OCR(Optical Character Recognition)技术在计算机视觉领域已有10多年，传统OCR技术对现代印刷体的识别很成熟，但在古籍汉字的识别上还存在挑战。由于古籍汉字属于书法字体，笔画并不像打印字体那样横平竖直，没有固定模板匹配；不同作品书写笔画粗细不同、笔画黏连；长期保存过程中还存在部分笔画模糊与缺失现象；书法字形又承载着作者独特书写风格，形态各异，给书法字识别带来了困难。

近年，随着深度学习技术在OCR 领域的应用研究，将其用于现代手写体汉字的识别已有非常多的成果。比如，IDSIA团队首次将卷积神经网络运用到手写体汉字的识别，在ICDAR-2011脱机手写体汉字识别竞赛中，其识别准确率达到92.18%[1]；在ICDAR-2013联机和脱机手写体汉字识别竞赛中，采用卷积神经网络模型方法对脱机手写体汉字识别率达到了94.77%[2]；最近的研究表明汉字的细微结构特征对汉字的准确识别有很大的作用[3]。

长久以来，古籍文献资源的数字化成果主要有古籍索引数据库、古籍书目数据库、古籍全文数据库等三种类型，各种数据库往往只是从古籍外部特征与主题内容的角度对古籍文献进行描述与组织，为全文文本数据库提供检索服务[4]。随着数字人文的兴起，数字人文为古籍数字化的深度开发提供了新的理论和实践方法，在使得古籍语义分析、字频统计、信息挖掘、智能标点以及古文献数字化地图建设等成为可能的同时，也对数字化古籍的加工提出了新的要求。……