| 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！ |
|
