[发明专利]一种汉字数据集构造方法、系统及介质

说明书

本发明公开了一种汉字数据集构造方法，包括：设定数据标准和循环项；根据所述数据标准获取第一数据和第二数据；对所述第一数据执行第一动作，得到第一数据模板；根据所述第二数据对所述第一数据模板执行模糊化动作，得到第二数据模板；根据所述循环项对所述第二数据模板执行循环处理，得到第三数据模板；本发明能够对汉字数据集的各方面进行重新构造，并完善了汉字数据集中汉字的各种字体及适应环境，提高了汉字数据集的真实度和适用范围，进而保证了深度学习算法的学习能力，提高了印刷体汉字识别技术的适用性。

技术领域

本发明涉及图文识别技术领域，特别是涉及一种汉字数据集构造方法、系统及介质。

背景技术

印刷体汉字识别技术主要通过预先构造的汉字数据集作为基础，通过深度学习算法在此汉字数据集中进行训练，进一步实现印刷体汉字识别；现有的构造汉字数据集的方式构造出的汉字数据集的真实度较低、适用范围较小以及针对性较强，进而折损深度算法的学习能力以及降低印刷体汉字识别技术的适用性。

发明内容

本发明主要解决的是汉字数据集的真实度较低、适用范围较小以及针对性较强，进而折损深度算法的学习能力以及降低印刷体汉字识别技术的适用性的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种汉字数据集构造方法，包括以下步骤：

设定数据标准和循环项；

根据所述数据标准获取第一数据和第二数据；

对所述第一数据执行第一动作，得到第一数据模板；根据所述第二数据对所述第一数据模板执行模糊化动作，得到第二数据模板；

根据所述循环项对所述第二数据模板执行循环处理，得到第三数据模板。

进一步，所述数据标准包括汉字标准和底纹标准；

所述根据所述数据标准获取第一数据和第二数据的步骤进一步包括：

根据所述汉字标准获取所述第一数据；根据所述底纹标准获取所述第二数据。

进一步，所述第一动作包括：

汇总所述第一数据，得到第一准备数据；对所述第一准备数据执行实体化转换动作，得到第一准备模板；设定扫描标准，根据所述扫描标准对所述第一准备模板执行扫描动作和分割动作，生成所述第一数据模板。

进一步，所述模糊化动作包括：

设定与所述第一数据对应的修改项和修改项阈值；

设定像素抖动算法，根据所述像素抖动算法对所述第一数据模板中的第一数据进行处理，得到第二准备模板；

配置形态变换函数，根据所述形态变换函数、所述修改项和所述修改项阈值对所述第二准备模板中的第一数据的所述修改项进行处理，得到第三准备模板；

设定变换矩阵，根据所述变换矩阵、所述修改项和修改项阈值对所述第三准备模板中的第一数据的所述修改项进行处理，得到第四准备模板；

选取任一所述第二数据与所述第四准备模板贴合，得到第五准备模板；

获取第三数据，根据所述第三数据对所述第五准备模板执行噪声处理，得到所述第二数据模板。

进一步，所述修改项包括尺寸和格式；所述修改项阈值包括尺寸阈值和格式阈值；所述模糊化动作进一步包括：

设定所述第一数据模板中的所述第一数据的第一灰度值；根据所述像素抖动算法生成扰动向量；将所述扰动向量与所述第一灰度值相加，得到第二灰度值；将所述第二灰度值替代所述第一灰度值，得到所述第二准备模板；