多损失融合网络的中国书法字体与风格分类

• 全文链接
• 请求原文

作   者：

程文炎;  周勇;  陶承英;  刘丽;  李志刚;  邱桃荣; 

作者机构：

南昌大学数学与计算机学院;  北京师范大学; 

关键词：

风格分类;  多损失融合孪生卷积神经网络;  中国书法;  字体分类;  对比损失;  交叉熵损失; 

期刊名称：

中国图象图形学报

i s s n：

1006-8961

年卷期：

2023 年 28 卷 008 期

页   码：

2370-2381

摘   要：

目的 中国书法博大精深,是中国文化很重要的组成部分.书法字体与风格分类是书法领域的研究热点.目前书法字体和书法风格两个概念混淆,并且书法风格分类准确率不高,针对上述问题,本文将两个概念进行区分,并提出了一个融合多损失的孪生卷积神经网络,能同时解决中国书法字体以及风格分类问题.方法 提出的网络包含两个共享权重的分支,每个分支用于提取输入图像的特征.为了获得不同尺度下的特征表示,将Haar小波分解嵌入到每个网络分支中.与传统孪生神经网络不同的是,将网络的每个分支扩展为一个分类网络.网络训练时融合了两类不同的损失,即对比损失和分类损失,进而从两个角度同时对网络训练进行监督.具体来说,为了使来自同一类的两幅输入图像特征之间的距离尽可能小、使来自不同类的两幅输入图像特征之间的距离尽可能大,网络采用对比损失作为损失函数.此外,为了充分利用每幅输入图像的类别信息,在网络每个分支上采用交叉熵作为分类损失.结果 实验结果表明,本文方法在两个中国书法字体数据集和两个中国书法风格数据集上的分类准确率分别达到了 99.90%、94.09%、99.38%和93.28%,高于对比方法.两种损失起到了良好的互补作用,Haar小波分解的引入在4个数据集上均提升了分类准确率,在风格数据集的提升效果更为明显.结论 本文方法在中国书法字体以及风格分类两个任务中取得了令人满意的效果,为书法领域研究工作提供了新思路.