手写汉字质量评估模型获取方法、评估方法及装置制造方法及图纸

本发明专利技术提供一种手写汉字质量评估模型获取方法、评估方法及装置，包括：获取训练样本集；在多个预设评价标准下对每个样本添加是否符合相应预设评价标准的标签；复现多种卷积神经网络初始模型：LeNet初始模型、ResNet初始模型和TripletNet初始模型；针对每个预设评价标准，利用训练集对三种初始模型训练，得到每个预设评价标准对应的LeNet识别模型、ResNet识别模型和TripletNet识别模型；针对每个预设评价标准，利用测试集对三种识别模型测试，将识别正确率最高的识别模型作为相应预设评价标准的质量评估模型。根据各预设评价标准质量评估模型，得到每个评价标准对应的手写汉字质量评分，并将各评价标准的评分求和作为最终质量评估结果。本发明专利技术能全面评估手写汉字的质量。本发明专利技术能全面评估手写汉字的质量。本发明专利技术能全面评估手写汉字的质量。

【技术实现步骤摘要】
手写汉字质量评估模型获取方法、评估方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种手写汉字质量评估模型获取方法、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。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”，或正在书写某一汉字时，无法将其正确地、优美地书写出来的情况，这些问题很大程度上会造成读者困惑或误解。
[0003]在书法学习中，需要经常性地对自身书写的汉字进行质量评估，在评估与对比中得到改进，有利于书法的练习。但现有的评估方法都是通过人工进行质量评估，人工评估不仅工作量大，而且主观性较强，评估方向不够全面，无法获得科学的汉字质量评估结果，书法技能的提升和改进效果不佳。因此，亟需一种方法来评估手写汉字的质量。

技术实现思路

[0004]鉴于此，本专利技术实施例提供了一种手写汉字质量评估模型获取方法、评估方法及装置，以消除或改本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手写汉字质量评估模型获取方法，其特征在于，该方法包括以下步骤：获取训练样本集，所述训练样本集中包含多个样本，每个样本中包括一个手写汉字的图像；按照设定比例将所述训练样本集分为训练集和测试集；在多个预设评价标准下对每个样本添加是否符合相应预设评价标准的标签，符合的情况下标记为1，不符合的情况下标记为0；复现多种卷积神经网络初始模型，所述卷积神经网络初始模型包括LeNet初始模型、ResNet初始模型和TripletNet初始模型；针对每个预设评价标准，利用所述训练集分别对所述LeNet初始模型、所述ResNet初始模型和所述TripletNet初始模型进行训练，得到每个预设评价标准对应的LeNet识别模型、ResNet识别模型和TripletNet识别模型；针对每个预设评价标准，利用所述测试集分别对相应预设评价标准的LeNet识别模型、ResNet识别模型和TripletNet识别模型进行测试，将识别正确率最高的识别模型作为相应预设评价标准的质量评估模型。2.根据权利要求1所述的手写汉字质量评估模型获取方法，其特征在于，所述预设评价标准包括：笔划线条平滑性标准、字架结构稳定性标准、汉字位置居中性标准和笔划布局合理性标准。3.根据权利要求1所述的手写汉字质量评估模型获取方法，其特征在于，所述LeNet初始模型包括：依次连接的3个卷积层，1个扁平化层和2个全连接层，其中，每个卷积层后还分别连接1个激活层和1个最大池化层，每个全连接层后还分别连接1个激活层。4.根据权利要求3所述的手写汉字质量评估模型获取方法，其特征在于，所述LeNet初始模型采用二分类交叉熵损失函数进行训练，所述二分类交叉熵损失函数计算式为：其中，θ表示神经网络的参数集；m表示模型训练批量大小；y表示标签；h
θ
(x
(i)
)表示第i个样本的特征的预测标签结果。5.根据权利要求1所述的手写汉字质量评估模型获取方法，其特征在于，所述ResNet初始模型选用ResNet
‑
18初始模型和/或ResNet
‑
34初始模型；所述ResNet
‑
18初始模型包括：依次连接的1个卷积层、1...

【专利技术属性】
技术研发人员：齐勇刚，王尤嘉，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：