[发明专利]基于卷积神经网络的书法风格识别方法

说明书

本发明公开的基于卷积神经网络的书法风格识别方法，包括以下步骤：获得并预处理书法作品，得到书法样本；将书法样本分成训练样本集和验证样本集；将训练样本集输入模型分类器并不断迭代训练，同时使用验证样本集不断验证模型分类器；将书法样本输入训练后的模型分类器中，完成书法风格识别。本发明识别方法将书法风格识别的过程实现了处理流程的简化，将书法图像特征提取及风格识别融为一体，识别速度快，而且识别准确率高；模型分类器参数量比较少，训练用时少，收敛速度快，识别准确率高；能够不断增加风格类别，具有较好的鲁棒性、扩展性。

技术领域

本发明属于图像分类识别方法技术领域，具体涉及一种基于卷积神经网络的书法风格识别方法。

背景技术

中国书法是中华传统文化的重要组成部分，不仅历史悠久，沉淀浓厚，而且还传播广泛，对民族文化影响巨大，和其他优秀文化诸如绘画堪当中国文化和艺术瑰宝，对中国书法的研究有着极其重要的实际意义。

利用现代的计算机技术来指导研究和学习书法，传承、传播传统文化有着的极其重要的作用。目前，现有的方法大都是应用一些传统的模式识别算法进行书法风格的识别，是面对大量不同的书法作品时，会导致识别难度的增加，效率的降低，而且得到的效果也不是很理想。因此，如何高效、准确的识别书法风格识迫切需要解决的问题。

发明内容

本发明的目的是提供一种基于卷积神经网络的书法风格识别方法，解决了现有识别方法效率低下、准确率低的问题。

本发明所采用的技术方案是，基于卷积神经网络的书法风格识别方法，包括以下步骤：

步骤1，获得并预处理书法作品，得到书法样本；

步骤2，将步骤1的书法样本分成训练样本集和验证样本集；

步骤3，将步骤2中的训练样本集输入模型分类器并不断迭代训练，同时使用验证样本集不断验证模型分类器；

步骤4，将步骤1的书法样本输入步骤3训练后的模型分类器中，完成书法风格识别。

本发明的特征还在于，

步骤1具体为：

步骤1.1，将每幅书法作品处理成图像格式，随后应用最小包围将每幅书法作品切割成无畸变的单个书法字图像；

步骤1.2，通过中心填充归一化，将步骤1.1得到的单个书法字图像归一化成大小统一的正方形单字图像；

步骤1.3，将步骤1.2的正方形单字图像统一压缩至分辨率为64×64的单个书法字图像，得到书法样本。

步骤2具体为：

将步骤1得到的书法样本按照9:1的比例随机分为训练数据集和验证数据集。

步骤3具体为：

将步骤2中的训练样本集批量输入模型分类器中，首次迭代时，模型分类器权重参数为随机初始化参数，通过前向传播算法不断向前传递特征，并计算残差，随后通过反向传播算法将残差不断向后传递，修正权重参数，不断迭代直至收敛；

当模型分类器中每迭代10次，将验证样本集输入模型分类器中识别准确率：当识别准确率出现两极分化，则需要重新训练模型分类器；如未出现两极分化，继续训练。

收敛的条件为：迭代次数不大于在10000且达到残差值最小。

模型分类器中网络模型包含11层，输入是通道为1的灰度图像，分辨率大小64×64；

第一层是32个感受野大小为5×5的卷积层，步长为1，边缘填充为2，参数量为5×5×1×32+32，即832，输出为32个通道、大小为64×64的特征；