甲骨文是中国已知最早的文字之一，对研究商代人文地理具有重要意义。然而，由于时间的推移，大部分甲骨文的意义已经模糊不清，破译这些古文字面临巨大挑战。人工智能的出现使得使用 AI 辅助破译甲骨文成为可能，但缺乏高质量的数据集限制了这一领域的进展。
为此，团队本科生iPad成员（王鹏杰，张凯乐、王欣雨）提出了甲骨文单字辅助破译数据集HUST-OBC，数据集从三个不同的来源收集，包括书籍、网站和现有数据集，包含1,588个已破译字符的77,064 张图像和未破译的62,989张图像，总共140,053张图像。
论文链接：
https://arxiv.org/abs/2401.15365
代码和数据集下载：
https://github.com/Pengjie-W/HUST-OBC
为了组织和合并来自这些不同来源的数据，如图所示，我们设计了一个半自动化的流水线，包含四个关键步骤：数据获取、自动标注、数据整合和数据验证。
以下是已破译和未破译的部分数据展示。
为了评估数据集的质量，使用该数据集训练AI模型。将已破译的部分分为训练集、验证集和测试集，使用ResNet-50进行图像分类任务，最终分类准确率为94.6%，宏平均F1分数为0.914。
编辑｜王鹏杰
审核｜罗琪頔
