甲骨文记载了华夏文明最早期的历史文化,识别和解读甲骨文字对于传承中华文脉极具重要意义。在古文字数字化的大数据时代,甲骨文材料的数字化为甲骨文大数据分析研究提供保障。近年来,深度学习方法在计算机视觉方面的应用已经占据了绝对的主导地位,卷积神经网络在图像识别、目标检测等任务上取得巨大成果,为分析甲骨文数据打开新的研究思路。因此,本文从对甲骨文识别出发,利用卷积神经网络研究面向甲骨文字精确检测识别的关键问题,通过数据挖掘和语义分析以获得对甲骨文研究的新进展。本文针对甲骨字目标特征提取难、小样本和多样性问题,通过使用深度卷积神经网络和数据增强方法实现甲骨文字精确识别。本文研究内容:(1)首次使用面向甲骨文字的深度卷积神经网络框架实现甲骨文识别。卷积神经网络具有十分强大的图像特征表达和学习能力,通过大量数据训练可以学习拟合目标函数模型,从而解决图像分类问题。应用甲骨文数据实现卷积神经网络的训练,并基于不同深度和不同架构的网络模型研究甲骨文字符特征表示问题,通过深度特征网络递进性结构充分提取甲骨文层次化特征,进而训练学习实现甲骨文高精度识别。(2)结合传统特征提取方法提取特定属性的甲骨文特征图作为先验知识以提高网络模型的识别性能。本文提取Gabor特征、梯度特征及Hog特征作为先验知识,将相应特征映射到输入层,进一步增强网络模型表征能力,提高识别正确率。(3)采用数据增强技术解决甲骨文小样本问题。为解决甲骨文字样本稀缺问题,使用图像镜像翻转、旋转等数据增强方法扩充数据样本。本文基于卷积神经网络模型实现甲骨文精确识别,结合图像传统特征提取方法及数据扩展以期提高网络模型的鲁棒性和高效性。