[发明专利]一种基于旋转不变卷积神经网络的书法字风格分类方法

说明书

本发明公开的一种基于旋转不变卷积神经网络的书法字风格分类方法，包括以下步骤：步骤1，建立取样样本并预处理数据集；步骤2，划分数据集为训练样本集和测试样本集，并对训练集样本进行数据扩充作为新的训练集；步骤3，对于步骤2得到的训练集中的每一张训练样本，提取16个副本图像，并将他们一一对应输入到完全相同的16个卷积架构中处理；步骤4，将步骤3得到的分类结果带入到交叉熵损失函数中，从而得到训练好的网络模型；步骤5，将待分类测试样本集输入到步骤4训练好的模型中进行书法字风格分类，得到分类准确率。本发明方法，解决了传统方法分类准确率低问题的同时，提高了模型泛化能力。

技术领域

本发明属于人工智能领域，具体涉及一种基于旋转不变卷积神经网络的书法字风格分类方法。

背景技术

中华民族历史悠扬，留下的传统文化不计其数。书法及其作品既是中华民族的传统文化，又是前人给我们留下的文化瑰宝。随着科学技术的发展，将先进的新兴技术应用到传统文化上，不仅有助于我们对珍贵文化遗产的研究，还有利于对传统文化的发扬与传承。

我们国家有许多著名的书法家，他们的书法作品风格自成一派，如欧体、颜体、柳体、赵体。对这些书法风格的自动识别在书法图像研究等方面就具有重要意义。传统的特征操作符有一些缺点，为卷积神经网络等现代方法留下了空间。在许多计算机视觉问题中，卷积神经网络是最先进的。自从大规模图像分类的有效性被证明以来，它在计算机视觉研究中得到了广泛的应用。

发明内容

本发明的目的是提出一种基于旋转不变卷积神经网络的书法字风格分类方法，利用图像的平移和旋转对称性，降低了神经网络架构的参数数量，解决了传统方法分类准确率低问题的同时，提高了模型泛化能力。

本发明所采用的技术方案是，一种基于旋转不变卷积神经网络的书法字风格分类方法，具体按照以下步骤实施：

步骤1，建立取样样本并预处理数据集；

步骤2，划分数据集为训练样本集和测试样本集，并对训练集样本进行数据扩充作为新的训练集；

步骤3，对于步骤2得到的训练集中的每一张训练样本，提取16个副本图像，并将他们一一对应输入到完全相同的16个卷积架构中处理，将处理后得到的16个特征图串连接起来，输入到卷积架构后面的3个串联的全连接层中，得到该训练样本的分类结果；

步骤4，将步骤3得到的分类结果带入到交叉熵损失函数中，计算出本次训练产生的损失，然后求出损失函数关于网络中权值参数的梯度，引入Nesterov动量后使用梯度下降算法不断更新模型的权值参数，使损失函数达到全局最小值，从而得到训练好的网络模型；

步骤5，将待分类测试样本集输入到步骤4训练好的模型中进行书法字风格分类，得到分类准确率。

本发明的特征还在于，

步骤1的具体操作为：

步骤1.1，用最小边框算法从整幅图像中获取单个书法字符；

步骤1.2，将得到的不同书法风格的每张图像按其中心对齐，并将它们裁剪成相同的大小64×64×3，得到取样样本。

步骤2的具体操作为：

步骤2.1，对步骤1获得的取样样本以3：1的比例随机分成训练样本集和测试样本集；

步骤2.2，对训练样本集进行数据扩充操作：即通过随机扰动图像来扩展训练样本集，每个训练样本集都以五种方式进行随机扰动，这五种数据扩充的方式为旋转、平移、缩放、翻转以及图像增亮。

步骤2中，五种数据扩充的方式：旋转、平移、缩放、翻转以及图像增白的具体要求如下：

旋转：随机旋转一个角度，该角度为在0°到360°之间均匀采样；