书法风格识别方法、装置、介质和计算设备与流程

本申请的实施例涉及图像识别领域，更具体地涉及一种书法风格识别方法、装置、介质和计算设备。

背景技术：

1、目前主流的深度学习卷积神经网络例如：vgg、resnet、mobilenet、densenet等模型在自然场景下的图像分类、识别任务上获得了不错的效果。

2、然而将上述现有技术直接应用于毛笔字书写字体风格识别时，虽然可以对毛笔字书写字体进行进一步特征的提取，但是由于毛笔字字体中单个字体不会包含显著的特征信息，尤其是毛笔字不会带有任何的背景信息，导致现有技术难以对毛笔字书写字体的重要特征进行有效提取，只能通过字体间细微的风格进行识别，难以为毛笔字书写字体确定一个准确的书写风格。而且，不同字体之间可能存在特征较弱的信息，因此现有技术难以进行有效的书法风格识别，识别过程中针对毛笔字书写体得出的识别结果的准确度较低。

技术实现思路

1、在本上下文中，本发明期望提供一种书法风格识别方法、装置、介质和计算设备，以增强对书法图像中特征提取的有效性，提高对书法风格识别的准确度。

2、在本发明实施方式的第一方面中，提供了一种方法书法风格识别方法，包括：

3、获取待识别的书法图像；

4、以增强所述待识别的书法图像中的字体风格特征为目标对所述待识别的书法图像进行至少一次特征处理，直至所述待识别的书法图像被处理为预设维度的特征向量；其中，对所述待识别的书法图像进行一次特征处理的方式至少包括特征提取、特征增强和特征融合；其中，在进行特征增强时，基于当前特征图的特征空间均值和方差获取能量分布值，并根据所述能量分布值对所述当前特征图进行特征增强处理，得到增强特征图；在进行特征融合时，将增强特征图与原始特征图融合，得到用于下一特征处理步骤的更新特征图；

5、基于所述特征向量获取所述待识别的书法图像对应的风格识别结果。

6、在本申请的一个实施例中，对所述待识别的书法图像进行一次特征处理的过程，包括：

7、获取原始特征图，其中，所述原始特征图基于历史更新特征图获取，所述历史更新特征图包括初始特征图，所述初始特征图基于所述待识别的书法图像获取；

8、基于所述原始特征图获取当前特征图；

9、基于所述当前特征图的特征空间均值和方差获取所述当前特征图的能量分布值；

10、利用所述能量分布值对所述当前特征图进行特征增强，得到增强特征图；

11、将所述原始特征图和所述增强特征图进行特征融合，得到更新特征图。

12、在本申请的一个实施例中所述能量分布值的确定过程，包括：

13、计算所述当前特征图值在宽高维度上的均值，得到维度分量均值；

14、利用所述当前特征图上每个特征的特征值减去所述维度分量均值，得到所述当前特征图值在特征空间各个维度的特征空间均值；

15、利用所述特征空间均值计算所述当前特征图的宽、高维度的方差；

16、基于所述特征空间均值、所述方差与能量系数计算能量分布函数，以获取所述当前特征图的能量分布值。

17、在本申请的一个实施例中，若所述增强特征图达到所述预设维度，则将所述增强特征图作为所述待识别的书法图像的特征向量；

18、若所述增强特征图未达到所述预设维度，则将所述增强特征图与所述原始特征图融合，得到更新特征图，并将所述更新特征图作为下一特征处理步骤的原始特征图。

19、在本申请的一个实施例中，所述当前特征图至少通过卷积、批归一化和激活函数处理后基于所述原始特征图得到。

20、在本申请的一个实施例中，所述基于所述特征向量获取所述待识别的书法图像对应的识别结果，包括：

21、计算所述特征向量被分类到各候选识别结果的分类概率；

22、根据所述分类概率获取对应的候选结果作为所述待识别的书法图像对应的风格识别结果。

23、在本申请的第二方面中，提供了一种书法风格识别装置，包括：

24、获取模块，被配置为获取待识别的书法图像；

25、处理模块，被配置为以增强所述待识别的书法图像中的字体风格特征为目标对所述待识别的书法图像进行至少一次特征处理，直至所述待识别的书法图像被处理为预设维度的特征向量；其中，对所述待识别的书法图像进行一次特征处理的方式至少包括特征提取、特征增强和特征融合；其中，在进行特征增强时，基于当前特征图的特征空间均值和方差获取能量分布值，并根据所述能量分布值对所述当前特征图进行特征增强处理，得到增强特征图；在进行特征融合时，将增强特征图与原始特征图融合，得到用于下一特征处理步骤的更新特征图；

26、识别模块，被配置为基于所述特征向量获取所述待识别的书法图像对应的风格识别结果。

27、在本申请的第三方面中，提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使得计算机执行如第一方面所述的方法。

28、在本申请的第四方面中，提供了一种计算设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现第一方面所述的方法。

29、根据本申请实施例的书法风格识别方法、装置、介质和计算设备，可以以获取所述待识别的书法图像中的字体风格特征为目标，对所述待识别的书法图像进行包括特征提取、特征增强和特征融合在内的特征处理，直至得到设定维度的特征向量，即所述字体风格特征。由于本申请实施例在进行特征增强时，是以当前特征图的特征空间均值和方差为基础，获取的能量分布值，即特征增强权重，而不是现有技术中的基于预先训练得到的权重参数；因此，本申请实施例中无需预先训练用于特征增强的网络模型(即现有技术中的注意力增强模块)，而是可以直接根据输入特征图本身的性质进行特征增强，相当于使用了无参数的注意力进行特征增强，不需要针对每一个特征增强权重参数进行拟合训练，显著降低了特征增强过程中计算资源的消耗，同时也通过对特征的增强提高了特征的表征能力。另外，在本申请实施例中，一些特征处理步骤还将特征增强后的增强特征图与特征增强前的当前特征图融合，然后以融合后的更新特征图作为下一特征处理步骤的输入；即更新特征图既包括增强特征，也包括原始特征，兼顾了特征增强对风格特征的显著化处理，同时弥补了特征增强可能导致的细节丢失。因此，本申请实施例的特征融合步骤可以避免多次特征增强导致的特征消失和特征退化问题，增强了对书法风格特征的完整提取能力，进而提高了最终风格识别结果的准确度。

技术特征：

1.一种书法风格识别方法，其特征在于，包括：

2.根据权利要求1所述的书法风格识别方法，其特征在于，所述对所述待识别的书法图像进行一次特征处理的过程，包括：

3.根据权利要求2所述的书法风格识别方法，其特征在于，所述能量分布值的确定过程，包括：

4.根据权利要求2所述的书法风格识别方法，其特征在于，若所述增强特征图达到所述预设维度，则将所述增强特征图作为所述待识别的书法图像的特征向量；

5.根据权利要求2所述的书法风格识别方法，其特征在于，所述当前特征图至少通过卷积和批归一化处理后基于所述原始特征图得到。

6.根据权利要求1所述的书法风格识别方法，其特征在于，所述待识别的书法图像至少通过随机剪裁、旋转、缩放处理后得到的。

7.根据权利要求1所述的书法风格识别方法，其特征在于，所述基于所述特征向量获取所述待识别的书法图像对应的识别结果，包括：

8.一种书法风格识别装置，其特征在于，包括：

9.一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-7中任一项所述的方法。

10.一种计算设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。

技术总结
本申请提供一种书法风格识别方法、装置、介质和计算设备。该方法包括：获取待识别的书法图像；以增强字体风格特征为目标对所述书法图像进行至少一次特征处理，直至所述书法图像被处理为预设维度的特征向量；其中，对所述书法图像进行一次特征处理的方式至少包括特征提取、特征增强和特征融合；在进行特征增强时，基于当前特征图的特征空间均值和方差获取能量分布值后对当前特征图进行特征增强处理，得到增强特征图；在进行特征融合时，将增强特征图与原始特征图融合，得到用于下一特征处理步骤的更新特征图；基于特征向量获取所述书法图像对应的风格识别结果。通过对书法图像进行特征增强和特征融合处理增强了特征的表征能力，提高了识别准确度。

技术研发人员：向大凤,车卫东
受保护的技术使用者：北京华文众合科技有限公司
技术研发日：
技术公布日：2024/1/13