基于深度学习和迁移学习的书法汉字识别系统的研究与实现

发布时间：2020-12-23 21:08

　　书法汉字识别作为计算机视觉的分支,随着图像数字化技术的发展逐渐为人们所重视,且在书法图像标注、研究名家作品等方面有着不可或缺的价值。然而,书法图像数据的稀缺性、流传时产生的多噪性都给书法识别增加了难度和挑战。与此同时,基于深度学习和迁移学习的图像识别技术凭借识别准确度高、对小数据集泛化能力强等优势跃身为当今计算机视觉领域研究热点。将基于深度学习和迁移学习的图像识别技术与书法汉字图像相结合,以分析书法汉字识别领域的应用需求,采集大量书法单字图像作为数据集,使用迁移学习后的卷积神经网络提取图像高层抽象特征,以完成本课题的书法汉字识别任务。首先,对获取到的书法图像数据集进行数据预处理,以备后期模型训练;其次,对大数据集上训练完成的模型和权重进行迁移,使其对书法图像数据进行高层抽象特征的提取,构建网络模型;最后,根据训练好的网络模型对书法图像算出的识别概率值排序,得到书法识别结果并对其汉字释义、相似书法进行展示。该系统将为书法图像数字化标注或书法作品研究方面带来巨大便利。本文从两方面研究并实现了该书法汉字识别系统:第一:将深度学习中的深度神经网络与迁移学习中的模型迁移思想相结合。在具备大量图像... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２－１稀疏交互示意图??

??和许多输入产生间接交互，如图２－２所示，可见卷积网络更深层单元具有比浅层??单元更大的接受域。??Ｏｖ?Ｑ?０．?Ｑ??图２－２神经元与输入间接交互示意图??这使得稀疏交互具有代表性，可以间接窥见变量间的复杂连接内容。??参数共享指的是在同一模型的不同函数间采用相同的参数。拿图像处理举??例，对一个输入像素为１０００?ｘ?１０００的图像而言，假设隐藏层含有１〇９个神经元。??传统的神经网络在进行前向传播时采用全连接，将产生１０００ｘｌ０００ｘｌ０９＝ｌ０ｌｓ个??权值参数。而卷积网络中形象化地描述是，隐藏层含有绑定的权值。因为假设隐??藏层的每个神经元仅与５?Ｘ?５个像素相连，那么１０９个神经元使用的皆是这５?Ｘ?５??个权值，如同被绑定了一样。无论隐藏层含有多少祌经元，仅有这５ｘ５个权值??被训练（即卷积核大小为５＊５）。核的每一个元素都作用在输入的每一位置上。??参数共享使得特征学习过程中只要求习得一个参数集合

??和许多输入产生间接交互，如图２－２所示，可见卷积网络更深层单元具有比浅层??单元更大的接受域。??Ｏｖ?Ｑ?０．?Ｑ??图２－２神经元与输入间接交互示意图??这使得稀疏交互具有代表性，可以间接窥见变量间的复杂连接内容。??参数共享指的是在同一模型的不同函数间采用相同的参数。拿图像处理举??例，对一个输入像素为１０００?ｘ?１０００的图像而言，假设隐藏层含有１〇９个神经元。??传统的神经网络在进行前向传播时采用全连接，将产生１０００ｘｌ０００ｘｌ０９＝ｌ０ｌｓ个??权值参数。而卷积网络中形象化地描述是，隐藏层含有绑定的权值。因为假设隐??藏层的每个神经元仅与５?Ｘ?５个像素相连，那么１０９个神经元使用的皆是这５?Ｘ?５??个权值，如同被绑定了一样。无论隐藏层含有多少祌经元，仅有这５ｘ５个权值??被训练（即卷积核大小为５＊５）。核的每一个元素都作用在输入的每一位置上。??参数共享使得特征学习过程中只要求习得一个参数集合

【参考文献】：
期刊论文
[1]基于卷积神经网络的石刻书法字识别方法[J]. 温佩芝,姚航,沈嘉炜.  计算机工程与设计. 2018(03)
[2]基于视觉特征的书法风格识别[J]. 汪潇,章夏芬,韩德志.  现代计算机(专业版). 2016(21)
[3]小篆文字的自动识别[J]. 戴琼,周明全,付倩.  计算机技术与发展. 2016(03)
[4]中国书法的特征提取及识别[J]. 王民,曾宝莹,要趁红,田湘源,孙向南.  信息通信. 2015(07)

博士论文
[1]计算机书法若干关键技术研究[D]. 俞凯.浙江大学 2010

硕士论文
[1]基于卷积神经网络的书法风格识别的研究[D]. 张福成.西安理工大学 2018
[2]基于CNN的书法风格识别[D]. 燕飞跃.太原理工大学 2018
[3]中国书法字识别算法研究及应用[D]. 林媛.浙江大学 2014
[4]书法字书体风格识别技术[D]. 毛天骄.浙江大学 2014



本文编号：2934361