基于深度学习的汉字字体风格迁移

发布时间：2021-11-21 04:18

　　汉字字体设计是一项十分繁琐的工作,需要对每一个汉字进行单独设计,由于中文汉字量十分庞大,设计一种新的字体需要耗费大量的人力与时间成本,故一套辅助字体设计的方法十分有必要。本文将使用深度学习的方法完成汉字字体风格迁移任务,将有助于提升字体设计效率。深度学习是一种模拟人脑神经元之间连接而出现的机器学习方法,随着近年来计算机计算能力的大幅提升,深度学习方法在许多领域,如图片处理、自然语言处理、无人驾驶等,都获得广泛应用并展现了诸多的技术优势。本文将尝试利用深度学习方法的强大数据处理能力来完成中文汉字字体风格迁移任务,中文汉字字体风格迁移任务本质上属于一种图片生成任务,需要根据风格特征与内容特征两部分生成所需的图片。本文针对中文汉字字体风格迁移问题,采用深度学习的方法进行研究,具体内容如下:（1）对中文汉字字体风格迁移任务进行分析,确定任务性质、难点、以及解决问题的思路。（2）使用卷积神经网络通用结构进行汉字字体风格迁移任务进行尝试,使用传统卷积神经网络模型结构进行图片生成任务,通过引入不同的正则化算法如批量正则化、随机丢弃等来辅助模型的训练。（3）根据卷积神经网络结构模型中的不足进行改进,采... 

【文章来源】：暨南大学广东省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

变分自动编码器结构

图 1-3 受限玻尔兹曼机结构（3）卷积神经网络（Convolutional Neural Networks）在深度学习中，卷积神经网络（Convolutional Neural Networks）是一种深度前馈的网络，目前在语音、图像、视频等多个领域的分析上得到广泛运用，它与传统多之间的区别在于卷积神经网络具有权值的共享与局部连接机制，这些机制使得卷络的结构更像生物神经网络结构，大大降低了模型的参数数量以及复杂度，特别据为多维度数据（如图片）时优势十分明显。在输入数据为图像时，卷积神经网不改变数据维度结构的同时进行特征提取，避免了在维度重构的过程中发生的结失。同时，其对于平移翻转形变等操作不敏感，故对于图像内容特征的识别十分有卷积神经网络中最经典的应用是图形的分类，在分类任务中，经过多个卷积层，取并且逐步高阶化，最终经过全连接层达到分类的目的，下图将展示一个完整的网络分类任务 LeNet[21]。

LeNet-5结构;

【参考文献】：
硕士论文
[1]无监督特征学习结合神经网络应用于图像识别[D]. 敖道敢.华南理工大学 2014



本文编号：3508757