【技术实现步骤摘要】
手写汉字质量评估模型训练方法、评估方法及装置
[0001]本专利技术涉及信息
,尤其涉及一种手写汉字质量评估模型训练方法、评估方法及装置。
技术介绍
[0002]文字的书写被认为是人类学习和运用知识的一项必要技能,也是人们在日常工作和生活中经常使用的一项常用技能。文字的书写主要关注笔划和笔顺,笔划是针对构字而言,给予人们的视觉形象是静态的“形体”,用于识字;笔顺是针对写字而言的,给予人们的视觉形象是动态的“顺序”,规定了书写时的笔划顺序。
[0003]笔顺是技术规范,笔顺在一定程度上关系到书写的速度和字形的好坏。不同笔顺之下,笔划和承接关系发生变化,书写出的文字结构与韵味也会发生相应变化。“没有规矩就不成方圆”,掌握文字的笔顺规则和间架结构,是把字写端正、匀称、美观的前提,规范笔顺对于学生而言,更是一种书写规范,一种书写技巧。
[0004]然而,随着移动设备的普及,越来越多的人习惯用键盘打字来代替手写,进而导致人们经常性的会忘记一些汉字是如何书写的,出现提笔忘字、书写后怀疑书写错误、或者书写过程中笔划顺 ...
【技术保护点】
【技术特征摘要】
1.一种手写汉字质量评估模型训练方法,其特征在于,该方法包括以下步骤:获取一级训练样本集,所述一级训练样本集中包含多个手写汉字样本,每个手写汉字样本包括单个手写汉字的时序信息,所述时序信息为按照设定间隔时长获取的笔尖横坐标、纵坐标以及笔尖与汉字书写板的接触状态信息;为每个手写汉字样本添加多个预设维度评价指标的评分,作为标签;所述预设维度评价指标至少包括笔划方向性评价指标、笔划顺序评价指标和字架结构评价指标;针对每个预设维度评价指标的评价需求分别对各手写汉字样本的时序信息进行预处理得到与各预设维度评价指标一一对应的多个二级训练样本集,各二级训练样本集包括按照时序记录的相应预设维度评价指标的表征参数,并以相应预设维度评价指标的评分作为标签;获取初始神经网络模型,所述初始神经网络模型采用循环神经网络模型,所述循环神经网络包括依次连接的门控循环单元、平均池化层、第一节点丢弃层、全连接层和第二节点丢弃层;利用各二级训练样本集分别对所述初始神经网络进行训练,得到每个预设维度评价指标对应的手写汉字质量评估模型。2.根据权利要求1所述的手写汉字质量评估模型训练方法,其特征在于,还包括:在所述笔划方向性评价指标对应的一级训练样本集中,将各手写汉字样本按照笔划方向性质量从高到低排列并等分为多个档,并为各档分别添加从高到底的评分作为标签;在所述笔划顺序评价指标对应的一级训练样本集中,将各手写汉字样本按照笔划顺序质量从高到低排列并等分为多个档,并为各档分别添加从高到底的评分作为标签;在所述字架结构评价指标对应的一级训练样本集中,将各手写汉字样本按照字架结构质量从高到低排列并等分为多个档,并为各档分别添加从高到底的评分作为标签。3.根据权利要求1所述的手写汉字质量评估模型训练方法,其特征在于,各二级训练样本集还将相应预设维度评价指标的表征参数与原时序信息进行连接作为训练数据的输入。4.根据权利要求1所述的手写汉字质量评估模型训练方法,其特征在于,还包括:所述笔划方向性评价指标的表征数据包括笔划轨迹切线与横轴角度的正弦值和余弦值;所述笔划顺序评价指标的表征数据包括归一化处理后的时序信息;所述字架结构评价指标的表征数据包括笔划轨迹方向、笔划轨迹的邻域弯曲度和邻域线性度。5.根据权利要求4所述的手写汉字质量评估模型训练方法,其特征在于,所述笔划轨迹的领域弯曲度计算式为:其中,A表示笔划轨迹的领域弯曲度;max(
·...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。