基于改进DenseNet网络的书法字体识别算法

作者：麦艮廷; 梁艳^*; 潘家辉; 黄嘉琳; 陈禧琳; 佘依聪

来源：计算机系统应用, 2022, 31(02): 253-259.

DOI：10.15888/j.cnki.csa.008326

• 深度学习
• DenseNet
• 书法字体识别
• 池化规则
• 模型裁剪

汉字书法是中华传统文化的代表,但是,由于书法字体具有风格迥异、结构复杂、变形繁多等特点,给大众学习和欣赏书法带来了极大障碍.为了解决普通老百姓解读书法作品的困难,提出一种基于改进DenseNet网络的书法字体识别算法,设计区域权值比例池化规则替换传统DenseNet网络的最大池化和平均池化规则,采用Nadam算法优化模型训练效果,进行自适应学习率调整,此外,提出基于剪枝技术的模型裁剪策略,在保证识别性能的同时,提高了模型的训练效率.实验结果表明,在由楷书、行书、隶书和篆书4类字体组成的混合字体数据集中,本文算法获得了96.13%的识别率,优于另外5种深度学习模型.

• 单位
  华南师范大学