基于Swin Transformer和CNN的汉字书法教学系统 |
| |
引用本文: | 林粤伟,张通,宋丹,梁汇鑫,薛克程.基于Swin Transformer和CNN的汉字书法教学系统[J].青岛大学学报(自然科学版),2024(1):45-51. |
| |
作者姓名: | 林粤伟 张通 宋丹 梁汇鑫 薛克程 |
| |
作者单位: | 1. 青岛科技大学信息科学技术学院;3. 海信视像科技股份有限公司 |
| |
基金项目: | 2022年青岛科技大学教学改革研究面上项目(批准号:2022MS045)资助;;2023年国家级大学生创新创业训练计划项目(批准号:202310426214)资助; |
| |
摘 要: | 针对日益增长的汉字书法学习需求,将滑动窗口自注意力(Swin Transformer, ST)模型和卷积神经网络(Convolutional Neural Network, CNN)模型相结合,提出手写体汉字识别ST-CNN模型,进而开发了汉字书法教学系统。实测结果表明,ST-CNN模型识别准确率约为91.6%,较传统的ST模型提升了约0.5个百分点,较传统的CNN模型与ST模型,在收敛速度上分别提升了约10和30个百分点,开发的汉字书法教学系统性能良好。
|
关 键 词: | 深度学习 滑动窗口自注意力模型 卷积神经网络 手写体汉字识别 |
|
|