图片形式的汉字结构分类问题由人工完成,存在主观分类误差、分类效率低、分类时间长,传统的数字图形图像学知识用于汉字结构分类时,无法做到使用一个模型区分多种复杂汉字结构。针对这些问题,搭建基于卷积神经网络ResNet进行迁移学习的汉字结构分类算法和搭建两层卷积层的卷积神经网络的汉字结构分类算法。在建立的数据集中训练集有19 798张汉字图片,测试集使用143张结构风格与训练集相似的汉字图片完成9分类任务。最终通过比较得出一个准确率相对比较高的模型,方便以后更为广泛的工业级使用。
科研之友
微信
新浪微博
Facebook
分享链接
