基于改进DenseNet网络的书法字体识别算法

摘要：

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.

关键词：深度学习;DenseNet;书法字体识别;池化规则;模型裁剪

所属期刊栏目：31

资助基金：广州市科技计划202007030005

在线出版日期：2022-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：253-259