《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于深度学习的在线字临摹分析系统设计
基于深度学习的在线字临摹分析系统设计
2020年信息技术与网络安全第2期
张承强，张永爱，顾兴权
(1.福州大学 物理与信息工程学院，福建 福州 350116; 2.西安电子科技大学 通信工程学院，陕西 西安 710000)
摘要： 为方便和快速地进行字体临摹分析，该系统将纸面手写字与名人真迹字进行相似度比较，使用残差网络ResNet50模型和新的字相似度算法对手写字进行高精度识别并与名人真迹字快速地进行相似度计算。将自制的名人书法字数据集和普通中文数据集合在一起训练ResNet50模型，最后结合Web网站和Android开发了一个实时在线手写字与各名人书法字进行相似度比较的系统。Android端主要用来上传纸面手写字照片和展示处理的结果，搭建的Web网站用来对图片进行识别和相似度的计算与分析。
中圖分類號(hào)：TP391
文獻(xiàn)標(biāo)識(shí)碼：A
DOI： 10.19358/j.issn.2096-5133.2020.02.008
引用格式：張承強(qiáng)，張永愛，顧興權(quán).基于深度學(xué)習(xí)的在線字臨摹分析系統(tǒng)設(shè)計(jì)［J］.信息技術(shù)與網(wǎng)絡(luò)安全，2020,39（2）：40-44，56.
Design of online word copying analysis system based on deep learning
Zhang Chengqiang1,Zhang Yongai1,Gu Xingquan2
(1.College of Physics and Information Engineering,Fuzhou University,Fuzhou 350116,China; 2.College of Communications Engineering,Xidian University,Xi′an 710000,China)
Abstract： In order to expediently and quickly analyse the font copying,the system compares the similarity between the handwritten characters on paper and the original characters of famous people.Using the residuals network ResNet50 model and a new word similarity algorithm to recognize the handwritten words with high accuracy and calculate the similarity quickly with the famous handwritten words.ResNet50 model is trained by combining selfmade famous calligraphy character data set and common Chinese data set.At last,a realtime online handwritten word similarity comparison system is developed with the combination of web site and Android.Android mainly uploads photos of handwritten words on paper and displays the processing results, and the built web site is used to identify images and calculate and analyze the similarity of pictures.
Key words : ResNet50 model;word similarity algorithm;Chinese dataset;online comparison system

0    引言

在我國(guó)的各種古代藝術(shù)門類中，最具標(biāo)志性，最能集中地、典型地、鮮明地、持續(xù)而廣泛地表現(xiàn)民族精神和時(shí)代精神的藝術(shù)，非書法莫屬。數(shù)字化的書法字體臨摹成為了很多大眾的愛好，數(shù)字化的手寫字識(shí)別往往和深度學(xué)習(xí)相結(jié)合。深度學(xué)習(xí)是新興的機(jī)器學(xué)習(xí)研究領(lǐng)域，旨在研究怎樣從數(shù)據(jù)中自動(dòng)地更好地提取多層特征表示，其核心思想是通過數(shù)據(jù)驅(qū)動(dòng)的方式，采用一系列的非線性(如激活函數(shù))變換，從原始數(shù)據(jù)中提取由低層到高層、由具體到抽象、由一般到特定語義的特征。ResNet(Residual Neural Network)是由微軟研究院的He Kaiming等四名華人提出的強(qiáng)大深度學(xué)習(xí)網(wǎng)絡(luò)，在ILSVRC2015比賽中取得冠軍，ResNet的結(jié)構(gòu)可以極快地加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，模型的準(zhǔn)確率也有比較大的提升，本文的深度學(xué)習(xí)網(wǎng)絡(luò)采用的就是ResNet網(wǎng)絡(luò)。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.ihrv.cn/resource/share/2000003159





作者信息：

張承強(qiáng)，張永愛，顧興權(quán)

(1.福州大學(xué) 物理與信息工程學(xué)院，福建 福州 350116;2.西安電子科技大學(xué) 通信工程學(xué)院，陜西 西安 710000)






此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。