作為中華文明的重要載體，古漢字在數(shù)千年演變過(guò)程中形成了甲骨文、金文、篆書(shū)、隸書(shū)等多樣化形態(tài)，其結(jié)構(gòu)特征與現(xiàn)代漢字存在顯著差異。這些文字廣泛留存于古籍文獻(xiàn)、碑刻拓片、書(shū)法作品等載體中，其準(zhǔn)確識(shí)別往往需要深厚的古文字學(xué)專(zhuān)業(yè)知識(shí)。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（CNN）與視覺(jué)Transformer（ViT）被廣泛應(yīng)用于各類(lèi)漢字識(shí)別。然而現(xiàn)有研究多集中于單一字體或載體類(lèi)型漢字識(shí)別，如針對(duì)甲骨文或簡(jiǎn)牘帛書(shū)的專(zhuān)項(xiàng)識(shí)別。這種研究范式存在明顯局限性：一方面難以適應(yīng)不同歷史時(shí)期、不同地域古漢字在結(jié)構(gòu)和形態(tài)上的巨大差異；另一方面無(wú)法滿(mǎn)足實(shí)際應(yīng)用場(chǎng)景中多類(lèi)型漢字混合識(shí)別、多載體聯(lián)合處理的現(xiàn)實(shí)需求。同時(shí)，自然場(chǎng)景下的古漢字識(shí)別還面臨三大核心難題：一是字符類(lèi)型復(fù)雜多樣，涵蓋不同歷史時(shí)期的多種漢字；二是待識(shí)別字符數(shù)量龐大，系統(tǒng)性處理難度高；三是應(yīng)用場(chǎng)景分布廣泛且環(huán)境復(fù)雜。這些因素共同構(gòu)成了制約當(dāng)前古漢字識(shí)別研究發(fā)展的關(guān)鍵瓶頸，亟需通過(guò)構(gòu)建大規(guī)模多類(lèi)型漢字?jǐn)?shù)據(jù)集和開(kāi)發(fā)通用識(shí)別模型來(lái)突破。

6月19日，Nature旗下期刊npjheritagescience在線(xiàn)發(fā)表我校人文學(xué)院數(shù)字人文專(zhuān)業(yè)博士生王釗江（指導(dǎo)教師吳夏平教授）與湖州師范學(xué)院、華南理工大學(xué)聯(lián)合開(kāi)展的一項(xiàng)針對(duì)多樣化應(yīng)用場(chǎng)景古漢字識(shí)別的重要成果，題為“HUNet: hierarchical universal network for multi-type ancient Chinese character recognition”(https://www.nature.com/articles/s40494-025-01813-9)。論文提出了一種面向中國(guó)八體漢字識(shí)別的輕量化網(wǎng)絡(luò)模型。該模型針對(duì)書(shū)法掛畫(huà)、碑刻石刻、楹聯(lián)匾額等多樣化應(yīng)用場(chǎng)景，實(shí)現(xiàn)了對(duì)古代漢字的精準(zhǔn)高效識(shí)別。通過(guò)創(chuàng)新的網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，模型在保證識(shí)別準(zhǔn)確率的同時(shí)顯著降低了計(jì)算復(fù)雜度，具備良好的跨平臺(tái)適配性，可靈活部署于各類(lèi)終端設(shè)備。

論文基于《通用規(guī)范漢字表》構(gòu)建了超900萬(wàn)樣本量的Multi-Type Ancient Chinese Character Recognition（MTACCR）數(shù)據(jù)集。MTACCR數(shù)據(jù)集包含多種類(lèi)型漢字圖像，包括原始掃描圖像和經(jīng)過(guò)預(yù)處理的二值化字形圖像。與現(xiàn)有相關(guān)數(shù)據(jù)集相比，MTACCR數(shù)據(jù)集在字符數(shù)量、古漢字類(lèi)型、數(shù)據(jù)規(guī)模和圖像多樣性方面均實(shí)現(xiàn)了顯著擴(kuò)展和豐富。為了滿(mǎn)足不同應(yīng)用場(chǎng)景下古漢字的快速高效識(shí)別，論文進(jìn)一步提出Hierarchical Universal Network（HUNet）。HUNet采用層次化網(wǎng)絡(luò)架構(gòu)，通過(guò)不同階段關(guān)注漢字的局部形狀和幾何特征、關(guān)鍵位置和筆畫(huà)關(guān)系、空間結(jié)構(gòu)關(guān)系，實(shí)現(xiàn)了模型參數(shù)利用效率的提升，使得模型網(wǎng)絡(luò)在保持低參數(shù)量和高吞吐量的同時(shí)實(shí)現(xiàn)了較高的識(shí)別性能。

MTACCR數(shù)據(jù)集統(tǒng)計(jì)

HUNet宏觀(guān)網(wǎng)絡(luò)架構(gòu)

實(shí)驗(yàn)結(jié)果表明，HUNet模型在MTACCR數(shù)據(jù)集和多場(chǎng)景古漢字識(shí)別（MACR）數(shù)據(jù)集上的測(cè)試性能表現(xiàn)優(yōu)異。與其他參與評(píng)估的高效CNNs和ViTs模型相比，HUNet在參數(shù)量相當(dāng)?shù)那闆r下實(shí)現(xiàn)了更高的識(shí)別性能，或在識(shí)別性能相當(dāng)?shù)那闆r下保持了更低的參數(shù)量，同時(shí)維持了較高的計(jì)算吞吐量。在MTACCR Test_1測(cè)試集上（包含60萬(wàn)測(cè)試樣本），HUNet_48的Top-1準(zhǔn)確率達(dá)到94.23%。在MACR測(cè)試集上，使用MTACCR訓(xùn)練的HUNet模型的Top-1準(zhǔn)確率提升了9.64%。此外，HUNet還可有效擴(kuò)展到非漢字古代文本識(shí)別任務(wù)，在DeepLontar和ALPUB_v2兩個(gè)數(shù)據(jù)集上表現(xiàn)出一定的競(jìng)爭(zhēng)優(yōu)勢(shì)。

HUNet與其它高效模型性能對(duì)比

在論文提出的輕量化網(wǎng)絡(luò)模型基礎(chǔ)上，研究團(tuán)隊(duì)進(jìn)一步開(kāi)發(fā)了智能云端古漢字識(shí)別小程序。該小程序融合場(chǎng)景文本檢測(cè)算法，能夠?qū)崿F(xiàn)對(duì)多樣化場(chǎng)景中各類(lèi)古漢字的實(shí)時(shí)精準(zhǔn)識(shí)別，為用戶(hù)提供便捷高效的古文字識(shí)別服務(wù)。論文開(kāi)源地址：https://github.com/1602353775/HUNet

智能云端古漢字識(shí)別小程序

上海師范大學(xué)人文學(xué)院聚焦服務(wù)國(guó)家重大戰(zhàn)略，以深化新文科建設(shè)內(nèi)涵為切入點(diǎn)，高度重視數(shù)字人文學(xué)科建設(shè)。2020年成立數(shù)字人文研究中心，2021年獲批上海市“數(shù)字人文資源建設(shè)與研究”重點(diǎn)創(chuàng)新團(tuán)隊(duì)，2022年獲批數(shù)字人文專(zhuān)業(yè)博士點(diǎn)，2023年開(kāi)始招收數(shù)字人文專(zhuān)業(yè)博士生。近年來(lái)，團(tuán)隊(duì)已出版“數(shù)字人文教材系列”“數(shù)字人文研究叢書(shū)”等多種著作，在國(guó)內(nèi)外重要學(xué)術(shù)刊物發(fā)表論文多篇，為數(shù)字人文專(zhuān)業(yè)人才培養(yǎng)夯實(shí)了基礎(chǔ)。

（供稿、圖片：人文學(xué)院）