基于轻量化神经网络的快速汉字笔画分类模型 |
| |
引用本文: | 何少聪,梁梓熙. 基于轻量化神经网络的快速汉字笔画分类模型[J]. 工业控制计算机, 2022, 35(4): 112-114. DOI: 10.3969/j.issn.1001-182X.2022.04.044 |
| |
作者姓名: | 何少聪 梁梓熙 |
| |
作者单位: | 广东工业大学自动化学院,广东 广州 510006 |
| |
基金项目: | 基于深度神经网络的情景互动康复训练系统项目 |
| |
摘 要: | 在汉字书写场景中,我们可以通过实时捕捉手写者的手写轨迹数据,并可以通过笔画类型、空间关系等构字要素逻辑地位等评价策略,实现汉字书写质量智能测评,以达到指导学习书写的目的。其中笔画分类是手写字体评估中的重要任务。然而,现有笔画级标注的汉字数据集很少,并缺少轻量化并可以应用于嵌入式设备的笔画分类方案,难以工程化落地。在不同设备上采集用户的手写笔画数据(如会议平板、电子白板、学习机等),并使用特征工程,采用一维深度可分离卷积构建轻量化的快速汉字笔画分类模型,并把模型进行量化部署到嵌入式设备中。模型量化后的tflite格式文件大小仅为11kb,而在数据集上达到了97%的精确度。把量化后的模型部署到嵌入式设备中并进行了商业化上线。
|
关 键 词: | 汉字笔画分类 轻量化 卷积神经网络 嵌入式设备 |
Chinese Stroke Classification Model Based on Lightweight Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|