[发明专利]字形编码生成方法及设备、字形编码、存储介质有效

专利信息
申请号: 201710347758.6 申请日: 2017-05-17
公开(公告)号: CN108875929B 公开(公告)日: 2021-05-25
发明(设计)人: 何蔚然;周舒畅;周昕宇;梁嘉骏 申请(专利权)人: 北京旷视科技有限公司;北京迈格威科技有限公司
主分类号: G06N3/08 分类号: G06N3/08;G06F3/023
代理公司: 北京市柳沈律师事务所 11105 代理人: 彭久云
地址: 100080 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 字形 编码 生成 方法 设备 存储 介质
【权利要求书】:

1.一种字形编码生成方法,包括:

确定字形的集合;

获取所述集合中各个所述字形的图片;

利用已训练的神经网络根据各个所述字形的图片生成字形编码,

其中,所述神经网络的最后一层为全连接层,其参数矩阵为二值矩阵,所述参数矩阵的每一行为对应一个字形的二进制串,所述二进制串表示对应字形的编码。

2.根据权利要求1所述的字形编码生成方法,其中,所述已训练的神经网络通过如下操作获得:

获取所述集合中各个所述字形图片对应的分类;

利用所述集合中各个所述字形的图片及所述分类训练所述神经网络。

3.根据权利要求2所述的字形编码生成方法,其中,利用所述集合中各个所述字形的图片及所述分类对所述神经网络的训练为有监督训练。

4.根据权利要求1-3任一项所述的字形编码生成方法,其中,所述神经网络为卷积神经网络。

5.根据权利要求1-3任一项所述的字形编码生成方法,其中,所述神经网络包括卷积层、非线性层和全连接层。

6.根据权利要求5所述的字形编码生成方法,其中,所述全连接层的偏置为0。

7.根据权利要求6所述的字形编码生成方法,其中,所述神经网络的全连接层的前一层为非线性层,所述非线性层的非线性函数为二值化函数。

8.根据权利要求5所述的字形编码生成方法,其中,所述神经网络包括多个卷积层和多个非线性层。

9.根据权利要求1-3任一项所述的字形编码生成方法,其中,所述字形为汉字字形,所述字形的集合包括不同字体的汉字。

10.根据权利要求1-3任一项所述的字形编码生成方法,还包括:输出所述字形编码。

11.一种利用如权利要求1-10任一项所述的字形编码生成方法生成的字形编码。

12.一种字形编码生成设备,包括:

一个或多个处理器;

一个或多个存储器;以及

存储在所述存储器中的计算机程序指令,在所述计算机程序指令被所述处理器运行时执行以下步骤:

确定字形的集合;

获取所述集合中各个所述字形的图片;

利用已训练的神经网络根据各个所述字形的图片生成字形编码,

其中,所述神经网络的最后一层为全连接层,其参数矩阵为二值矩阵,所述参数矩阵的每一行为对应一个字形的二进制串,所述二进制串表示对应字形的编码。

13.根据权利要求12所述的字形编码生成设备,其中,在所述计算机程序指令被所述处理器运行时还执行以下步骤:

获取所述集合中各个所述字形图片对应的分类;

利用所述集合中各个所述字形的图片及所述分类训练所述神经网络。

14.根据权利要求12或13所述的字形编码生成设备,还包括:输出装置,被配置为输出所述字形编码。

15.一种字形编码生成设备,包括:

字形集合确定装置,被配置为确定字形的集合;

字形图片获取装置,被配置为获取所述集合中各个所述字形的图片;

字形编码生成装置,被配置为利用已训练的神经网络根据各个所述字形的图片生成字形编码,

其中,所述神经网络的最后一层为全连接层,其参数矩阵为二值矩阵,所述参数矩阵的每一行为对应一个字形的二进制串,所述二进制串表示对应字形的编码。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司;北京迈格威科技有限公司,未经北京旷视科技有限公司;北京迈格威科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710347758.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top