[发明专利]基于深度学习的软笔书法临摹评价方法

说明书

本发明涉及一种基于深度学习的软笔书法临摹评价方法，步骤如下：行书文字截取；图片处理，扩充数据集；通过AlexNet网络对扩充后的数据集进行训练；对单个行书文字进行评价，通过相似度和阈值的对比得到最终的评价结果。本发明通过深度学习技术将临摹的书法与原帖相似度作为评价标准，大大减少了人工评价的工作量，并且深度学习提取图像特征更加高级，使得对临摹书法的评价更加公平公正。

技术领域

本发明属于计算机视觉技术领域，涉及手写汉字行书字体的评价，尤其是一种基于深度学习的软笔书法临摹评价方法。

背景技术

书法是我国具有几千年历史的传统艺术，是我们中华民族的特色文化代表之一，它不仅记录着我国悠久的历史文化，还是传播信息的重要方式。书法的点画结构、用笔方法和特征展现出它优美的艺术美感。临摹是提高书法水平最重要的途径，需要对着书法的范本进行反复的训练。在临摹的过程中，需要认真的观察，每个字的每个笔画都需要观察到它的精髓之处。为了达到与原帖更加接近，需要知道与原帖的差别，对临摹的字与原帖进行比较，在比较时是基于原贴与临摹习作之间的相似性来研究。

现在所具有的软笔书法临摹评价体系无论是理论成果还是实践成果都是非常缺乏的，没有形成成熟的软笔书法评价系统。这就导致对软笔书法的评价出现很多问题。现在很多书法比赛的评价都是依靠评审人员进行评审，由于参赛人员和书法汉字数目很多，导致评审人员在评价的时候难免会出现评价不公平、耗时久、评价不准确等问题，使得软笔书法评价质量得不到保证。

目前，已经出现的书法临摹评价方法大多采取人工设计的方式来进行特征的提取，通过浅层的学习来获取低层特征，并不能够提取到图像的高级特征，显然这样的评价效果并不理想。深度学习技术可以通过对大量数据集进行自主学习，学习到图像的层级特征，提取到图像的高级特征。由于Alexnet网络模仿的是人的视觉系统处理信息的方式，对信息不断迭代与抽象化，这正符合书法临摹评价中单字形态相似原则，所以采用Alexnet网络进行书法临摹评价工作。通过深度学习技术，可以大大降低传统临摹评价中特征提取的繁琐程度，并有效的降低人工特征提取时所造成的误差。所以说，利用深度学习技术研究软笔书法临摹评价体系，并将其利用到现实社会中进行书法评价，不仅能快速提高使用者书法水平，而且对传承中国文化有重要意义。

发明内容

为了解决传统评价体系特征提取过于繁琐，人工提取造成误差过大的问题，本发明提供了一种基于深度学习的软笔书法临摹评价方法，

实现本发明的技术方案是：

行书文字截取：对500个行书字体的一级汉字进行截取，并通过缩放调整图片大小，从而得到文字在图片上不同的占比，来达到扩充数据集效果。

图片处理：对缩放后的每张图片中的文字进行不同角度的旋转，然后对旋转后的图片进行加噪、二值化处理。

书法评价：将临摹的行书文字保存为图片，并且调用评价模块将临摹的书法与原帖进行对比，从而得到评价结果。

评价文字模块在被调用之前需要进行模型优化训练，将500*500书样本分为测试集和训练集，通过深度卷积神经网络AlexNet网络模型对500类行书文字进行重复训练和评价，从而得到最优的权重参数以及评价模型。

在进行书法评价的时候，分析得到书法临摹评价原则中的单字形态相似原则符合Alexnet网络处理信息的方式，所以通过AlexNet网络模型获得临摹书法与原帖的特征相似度，对比相似度与所设置的阈值，得到评价结果。

在Caffe的网络框架下，通过多GPU训练的网络模型能够模拟人脑处理信息的方式提取图片高级特征，在效率和准确性方面有很大提升。

本发明的优点和有益效果：

本发明和传统的评价方法相比，具有以下优势：