[发明专利]一种基于计算机的汉字笔画填充方法、系统、终端及介质在审

专利信息
申请号: 202110250281.6 申请日: 2021-03-08
公开(公告)号: CN112862025A 公开(公告)日: 2021-05-28
发明(设计)人: 伍曙光;韩金宝;陶天毅 申请(专利权)人: 成都字嗅科技有限公司
主分类号: G06K9/68 分类号: G06K9/68;G06F40/279;G06N3/04;G06N3/08
代理公司: 北京酷爱智慧知识产权代理有限公司 11514 代理人: 周俊
地址: 610000 四川省成都市自由贸易试*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算机 汉字 笔画 填充 方法 系统 终端 介质
【权利要求书】:

1.一种基于计算机的汉字笔画填充方法,其特征在于,包括:

获取设计师设计的样字图形;

对样字图形进行图像预处理,得到预处理后的样字图形;

调用细化程序对预处理后的样字图形中的每一个单点像素进行处理,得到样字细化字;

将预处理后的样字图形和样字细化字进行一一对应保存;

将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练,在输入过程通过图形界面展示预处理后的样字图形和样字细化字的对比图像,得到训练后的卷积神经网络模型;

从风格汉字细化字数据库中获取所有汉字细化字,所述汉字细化字是符合设计师风格的细化字;

将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充,输出符合设计师风格的所有汉字的风格字图形。

2.如权利要求1所述的方法,其特征在于,在所述输出符合设计师风格的所有汉字的风格字图形步骤之后还包括:对输出符合设计师风格的风格字进行是否符合预期进行判断,若不符合预期效果,则对卷积神经网络模型的参数进行调整后重新进行模型训练;若符合预期效果,则使用形态学方法对输出的风格字图形进行处理。

3.如权利要求2所述的方法,其特征在于,对输出符合设计师风格的风格字进行是否符合预期进行判断的步骤之后还包括:将符合预期效果的风格字以图片形式导出。

4.如权利要求1所述的方法,其特征在于,在将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练的步骤之前还包括:对卷积神经网络模型进行参数设置,设置的参数包括训练回合和损失度。

5.如权利要求1所述的方法,其特征在于,所述对样字图形进行图像预处理具体包括:对样字图形依次进行灰度处理和二值化处理。

6.如权利要求1所述的方法,其特征在于,所述卷积神经网络模型为残差网络模型。

7.一种基于计算机的汉字笔画填充系统,其特征在于,包括:获取模块、预处理模块、细化处理模块、机器学习模块,

所述获取模块用于获取设计师设计的样字图形;

所述预处理模块用于对样字图形进行图像预处理,得到预处理后的样字图形;

所述细化处理模块用于调用细化程序对预处理后的样字图形中的每一个单点像素进行处理,得到样字细化字;

所述机器学习模块用于将预处理后的样字图形和样字细化字作为训练样本输入卷积神经网络模型中进行模型训练,在输入过程通过图形界面展示预处理后的样字图形和样字细化字的对比图像,得到训练后的卷积神经网络模型;

从风格汉字细化字数据库中获取所有汉字细化字,所述汉字细化字是符合设计师风格的细化字;

将所有汉字细化字输入训练好的卷积神经网络模型中进行风格化笔画填充,输出符合设计师风格的所有汉字的风格字图形。

8.如权利要求7所述的系统,其特征在于,所述系统还包括预期判断模块,所述预期判断模块对输出符合设计师风格的风格字进行是否符合预期进行判断,若不符合预期效果,则对卷积神经网络模型的参数进行调整后重新进行模型训练;若符合预期效果,则使用形态学方法对输出的风格字图形进行处理。

9.一种智能终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,其特征在于,所述处理器被配置用于调用所述程序指令,执行如权利要求1-6任一项所述的方法。

10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。

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成都字嗅科技有限公司,未经成都字嗅科技有限公司许可,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/202110250281.6/1.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