CN111539873A - 个人风格书法字字库生成方法及系统 - Google Patents
个人风格书法字字库生成方法及系统 Download PDFInfo
- Publication number
- CN111539873A CN111539873A CN202010371049.3A CN202010371049A CN111539873A CN 111539873 A CN111539873 A CN 111539873A CN 202010371049 A CN202010371049 A CN 202010371049A CN 111539873 A CN111539873 A CN 111539873A
- Authority
- CN
- China
- Prior art keywords
- calligraphy
- character
- style
- chinese character
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
Images
Classifications
-
- G06T3/04—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/226—Character recognition characterised by the type of writing of cursive writing
- G06V30/2264—Character recognition characterised by the type of writing of cursive writing using word shape
Abstract
本发明涉及一种个人风格书法字字库生成方法，所述生成方法包括：获取针对一种书法风格的多个书法字图片；对各书法字图片进行预处理，得到各书法字图片中的汉字图片；基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。本发明通过对某一种书法风格的多个书法字图片进行预处理，得到汉字图片，并基于对应的标准汉字，建立所述书法风格特征变换网络模型，可对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库，从而可提高生成书法字准确性。
Description
技术领域
本发明涉及图片处理技术领域，特别涉及一种个人风格书法字字库生成方法及系统。
背景技术
汉字是中国文化的核心要素，书法字作为汉字的重要体现方式，在中国文化传播和发展中有着重要作用。近些年，随着互联网的发展，文字信息流通体量迅速增加，各种网上平台也推出各种字体，以满足用户的个性化需求。然而，书法字作为文化的核心，完备的书法字字库却十分有限，限制了中国文化的传播和发展。中国汉字字形复杂、数量众多，传统人工构建字库的方式费时费力，效率低下，难以满足现今个性化的需求。针对书法字字库构建费时费力的问题，一种可以根据少量书法字的个人书法字字库生成系统应运而生。结合机器学习技术和图片处理技术自动根据少量书法字样本生成完备的书法字字库。
目前，常用的字库生成方法可大致分为三种类型：基于层次模型的生成方法、基于渲染的方法和基于生成对抗模型的方法。基于层次模型的方法从样本中得到笔画和部首，构建笔画和部首库，以此重新组合成新的书法字。基于渲染的方法从样本中得到纹理，构建纹理库，依据纹理库对书法字骨架进行渲染得到新的汉字。
虽然以上两种方法只需要少量样品即可获得良好效果，但是由于缺乏对书法字深层特征的分析，使得生成的书法字不自然且缺乏变化，此外这两种方法仍然需要大量的人工辅助，难以实际应用。
基于生成对抗模型是一种基于深度学习的方法，深度学习模型有着强大的特征学习能力，可以实现对深层特征的分析，并极大减少人工参与，有效解决上述两类方法面临的问题。但基于深度学习的模型由于难以添加书法字的规则约束，这使得生成书法字准确性大大降低，生成效果不佳。
发明内容
为了解决现有技术中的上述问题，即为了提高生成书法字准确性，本发明的目的在于提供一种个人风格书法字字库生成方法及系统。
为解决上述技术问题，本发明提供了如下方案：
一种个人风格书法字字库生成方法，所述生成方法包括：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
可选地，所述获取针对一种书法风格的多个书法字图片，具体包括：获取用户直接书写的一组书法字图片；或者获取一种书法风格的历史书法字图片。
所述对各书法字图片进行预处理，得到各书法字图片中的汉字图片，具体包括：
针对每一书法字图片，
对所述书法字图片进行定位，取单个书法字最小外接正方形，得到定位图片；
对所述定位图片依次进行二值化、去噪和归一化处理，得到设定像素的汉字图片，所述汉字图片为真实样本。
所述基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型，具体包括：
针对每一汉字图片及对应的标准汉字，
分别检测所述汉字图片及标准汉字的关键点和连接两关键点的边；所述关键点为汉字的笔画交点和端点，所述边为汉字的笔画；
根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，确定汉字字形结构损失情况；
基于各汉字字形结构损失情况，建立各所述书法字图片对应的书法风格特征变换网络模型。
所述根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，确定汉字字形结构损失情况，具体包括：
根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，构建连接矩阵和结点间、笔画间的相似度矩阵；
基于所述连接矩阵和相似度矩阵，确定所述汉字图片与标准汉字的最佳关键点匹配函数；
基于所述最佳关键点匹配函数，确定所述汉字图片与标准汉字的关键点匹配差异和笔画匹配差异；
根据所述关键点匹配差异和笔画匹配差异，确定所述汉字图片对应的汉字到标准汉字的汉字字形结构损失情况。
可选地，所述根据所述关键点匹配差异和笔画匹配差异，确定所述汉字图片对应的汉字到标准汉字的汉字字形结构损失情况，具体包括：
汉字字形结构损失情况＝关键点匹配差异+笔画匹配差异。
可选地，所述标准汉字为字体库中存储的楷体格式下的汉字。
为解决上述技术问题，本发明还提供了如下方案：
一种个人风格书法字字库生成系统，所述生成系统包括：
获取单元，用于获取针对一种书法风格的多个书法字图片；
预处理单元，用于对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
建模单元，用于基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
生成单元，用于根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
为解决上述技术问题，本发明还提供了如下方案：
一种个人风格书法字字库生成系统，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
为解决上述技术问题，本发明还提供了如下方案：
一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格的特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
根据本发明的实施例，本发明公开了以下技术效果：
本发明通过对某一种书法风格的多个书法字图片进行预处理，得到汉字图片，并基于对应的标准汉字，建立基于结构约束的所述书法风格特征变换网络模型，可对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库，从而可提高生成书法字准确性。
附图说明
图1是本发明个人风格书法字字库生成方法的流程图；
图2是本发明个人风格书法字字库生成系统的模块结构示意图。
符号说明：
获取单元—1，预处理单元—2，建模单元—3，生成单元—4。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
本发明的目的是提供一种个人风格书法字字库生成方法，通过对某一种书法风格的多个书法字图片进行预处理，得到汉字图片，并基于对应的标准汉字，建立基于结构约束的所述书法风格特征变换网络模型，可对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库，从而可提高生成书法字准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明个人风格书法字字库生成方法，所述生成方法包括：
步骤100：获取针对一种书法风格的多个书法字图片；
步骤200：对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
步骤300：基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
步骤400：根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
其中，在步骤100中，所述获取针对一种书法风格的多个书法字图片，具体包括：获取用户直接书写的一组书法字图片；或者获取一种书法风格的历史书法字图片。
在步骤200，所述对各书法字图片进行预处理，得到各书法字图片中的汉字图片，具体包括：
步骤201：针对每一书法字图片，对所述书法字图片进行定位，得到定位图片。
通过定位处理，以矫正书法字径向和射影失真。
步骤202：对所述定位图片依次进行二值化、去噪和归一化处理，得到设定像素的汉字图片，所述汉字图片为真实样本。
在本实施例中，所述设定像素为256像素*256像素。
进一步地，在步骤300中，所述基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型，具体包括：
步骤301：针对每一汉字图片及对应的标准汉字，分别检测所述汉字图片及标准汉字的关键点和连接两关键点的边。
其中，所述关键点为汉字的笔画交点和端点，所述边为汉字的笔画。
其中，检测方法以SSD(single shot multibox detection，单发多框检测)为框架，预训练VGG16特征提取层，来加快算法构建速度。并使用圆代替矩形框来表示关键点位置和大小，提高关键点检测精度。
具体地，通过圆形框定位关键点，通过VGG16特征提取层提取两关键点所在区域作为边的特征，通过一个判别器判断是否存在笔划连接两关键点。
步骤302：根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，确定汉字字形结构损失情况。
具体包括：
步骤3021：根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，构建连接矩阵和结点间、笔划间的相似度矩阵；
步骤3022：基于所述连接矩阵和相似度矩阵，确定所述汉字图片与标准汉字的关最佳关键点匹配函数；
步骤3023：基于所述最佳关键点匹配函数，确定所述汉字图片与标准汉字的关键点匹配差异和笔画匹配差异；
步骤3024：根据所述关键点匹配差异和笔画匹配差异，确定所述汉字图片对应的汉字到标准汉字的汉字字形结构损失情况。
其中，汉字字形结构损失情况＝关键点匹配差异+笔画匹配差异。
优选地，所述标准汉字为字体库中存储的楷体格式下的汉字。
步骤303：基于各汉字字形结构损失情况，建立各所述书法字图片对应的书法风格特征变换网络模型。
在步骤400中，可提取楷体字库中3500个简体字信息，转换为图片，输入到风格变化模块，获得对应个人风格的汉字，最后将生成的3500张个人风格汉字制作成字库。
本发明基于生成对抗网络(GAN，Generative adversarial network)，用于学习楷体到个人书法字样本的风格变化，基于DenseNet模型，增强风格特征变换网络模型的表达能力。
此外，本发明还提供一种个人风格书法字字库生成系统，提高生成书法字准确性。
如图2所示，本发明个人风格书法字字库生成系统包括获取单元1、预处理单元2、建模单元3及生成单元4。
具体地，所述获取单元1用于获取针对一种书法风格的多个书法字图片；所述预处理单元2用于对各书法字图片进行预处理，得到各书法字图片中的汉字图片；所述建模单元3用于基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；所述生成单元4用于根据所述特征网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
本发明还提供一种个人风格书法字字库生成系统，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
相对于现有技术，本发明个人风格书法字字库生成系统、计算机可读存储介质与上述个人风格书法字字库生成方法的有益效果相同，在此不再赘述。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种个人风格书法字字库生成方法，其特征在于，所述生成方法包括：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
2.根据权利要求1所述的个人风格书法字字库生成方法，其特征在于，所述获取针对一种书法风格的多个书法字图片，具体包括：获取用户直接书写的一组书法字图片；或者获取一种书法风格的历史书法字图片。
3.根据权利要求1所述的个人风格书法字字库生成方法，其特征在于，所述对各书法字图片进行预处理，得到各书法字图片中的汉字图片，具体包括：
针对每一书法字图片，
对所述书法字图片进行定位，得到定位图片；
对所述定位图片依次进行二值化、去噪和归一化处理，得到设定像素的汉字图片，所述汉字图片为真实样本。
4.根据权利要求1所述的个人风格书法字字库生成方法，其特征在于，所述基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型，具体包括：
针对每一汉字图片及对应的标准汉字，
分别检测所述汉字图片及标准汉字的关键点和\或连接两关键点的边；所述关键点为汉字的笔画交点和\或端点，所述边为汉字的笔画；
根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，确定汉字字形结构损失情况；
基于各汉字字形结构损失情况，建立各所述书法字图片对应的书法风格特征变换网络模型。
5.根据权利要求4所述的个人风格书法字字库生成方法，其特征在于，所述根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，确定汉字字形结构损失情况，具体包括：
根据所述汉字图片关键点及标准汉字的关键点、所述汉字图片的边及标准汉字的边，构建连接矩阵和结点间、笔划间的相似度矩阵；
基于所述连接矩阵和相似度矩阵，确定所述汉字图片与标准汉字的关最佳关键点匹配函数；
基于所述最佳关键点匹配函数，确定所述汉字图片与标准汉字的关键点匹配差异和笔画匹配差异；
根据所述关键点匹配差异和笔画匹配差异，确定所述汉字图片对应的汉字到标准汉字的汉字字形结构损失情况。
6.根据权利要求5所述的个人风格书法字字库生成方法，其特征在于，所述根据所述关键点匹配差异和笔画匹配差异，确定所述汉字图片对应的汉字到标准汉字的汉字字形结构损失情况，具体包括：
汉字字形结构损失情况＝关键点匹配差异+笔画匹配差异。
7.根据权利要求1-6中任一项所述的个人风格书法字字库生成方法，其特征在于，所述标准汉字为字体库中存储的楷体格式下的汉字。
8.一种个人风格书法字字库生成系统，其特征在于，所述生成系统包括：
获取单元，用于获取针对一种书法风格的多个书法字图片；
预处理单元，用于对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
建模单元，用于基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
生成单元，用于根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
9.一种个人风格书法字字库生成系统，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取针对一种书法风格的多个书法字图片；
对各书法字图片进行预处理，得到各书法字图片中的汉字图片；
基于各所述汉字图片及对应的标准汉字，建立各所述书法字图片对应的书法风格特征变换网络模型；
根据所述特征变换网络模型，对不同汉字进行风格特征变换，得到基于所述书法风格的书法字字库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010371049.3A CN111539873B (zh) | 2020-05-06 | 2020-05-06 | 个人风格书法字字库生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010371049.3A CN111539873B (zh) | 2020-05-06 | 2020-05-06 | 个人风格书法字字库生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111539873A true CN111539873A (zh) | 2020-08-14 |
| CN111539873B CN111539873B (zh) | 2023-10-20 |
Family
ID=71977877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010371049.3A Active CN111539873B (zh) | 2020-05-06 | 2020-05-06 | 个人风格书法字字库生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111539873B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050234899A1 (en) * | 2002-03-29 | 2005-10-20 | Haidong Sun | Embedded curve chinese character library described based on stroke central line |
| CN106384094A (zh) * | 2016-09-18 | 2017-02-08 | 北京大学 | 一种基于书写风格建模的中文字库自动生成方法 |
| CN107644006A (zh) * | 2017-09-29 | 2018-01-30 | 北京大学 | 一种基于深度神经网络的手写体中文字库自动生成方法 |
| CN108304357A (zh) * | 2018-01-31 | 2018-07-20 | 北京大学 | 一种基于字体流形的中文字库自动生成方法 |
| CN109635883A (zh) * | 2018-11-19 | 2019-04-16 | 北京大学 | 基于深度堆叠网络的结构信息指导的中文字库生成方法 |
| CN110427989A (zh) * | 2019-07-18 | 2019-11-08 | 北京大学 | 汉字骨架自动合成方法及大规模中文字库自动生成方法 |
| CN110570481A (zh) * | 2019-07-31 | 2019-12-13 | 中国地质大学（武汉） | 基于风格迁移的书法字库自动修复方法及系统 |
-
2020
- 2020-05-06 CN CN202010371049.3A patent/CN111539873B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050234899A1 (en) * | 2002-03-29 | 2005-10-20 | Haidong Sun | Embedded curve chinese character library described based on stroke central line |
| CN106384094A (zh) * | 2016-09-18 | 2017-02-08 | 北京大学 | 一种基于书写风格建模的中文字库自动生成方法 |
| CN107644006A (zh) * | 2017-09-29 | 2018-01-30 | 北京大学 | 一种基于深度神经网络的手写体中文字库自动生成方法 |
| CN108304357A (zh) * | 2018-01-31 | 2018-07-20 | 北京大学 | 一种基于字体流形的中文字库自动生成方法 |
| CN109635883A (zh) * | 2018-11-19 | 2019-04-16 | 北京大学 | 基于深度堆叠网络的结构信息指导的中文字库生成方法 |
| CN110427989A (zh) * | 2019-07-18 | 2019-11-08 | 北京大学 | 汉字骨架自动合成方法及大规模中文字库自动生成方法 |
| CN110570481A (zh) * | 2019-07-31 | 2019-12-13 | 中国地质大学（武汉） | 基于风格迁移的书法字库自动修复方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111539873B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108170649B (zh) | 一种基于dcgan深度网络的汉字字库生成方法及装置 | |
| CN108090400B (zh) | 一种图像文本识别的方法和装置 | |
| CN110796031A (zh) | 基于人工智能的表格识别方法、装置及电子设备 | |
| CN111626146B (zh) | 一种基于模板匹配的合并单元格表格分割识别方法 | |
| US20220415072A1 (en) | Image processing method, text recognition method and apparatus | |
| CN111709406B (zh) | 文本行识别方法及装置、可读存储介质、电子设备 | |
| CN114155244B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN110874591B (zh) | 一种图像定位方法、装置、设备及存储介质 | |
| CN114005012A (zh) | 多模态预训练模型的训练方法、装置、设备及存储介质 | |
| CN115393872B (zh) | 一种训练文本分类模型的方法、装置、设备及存储介质 | |
| CN110414523A (zh) | 一种身份证识别方法、装置、设备及存储介质 | |
| CN111859852A (zh) | 一种汉字风格迁移模型的训练装置和方法 | |
| CN112749606A (zh) | 一种文本定位方法和装置 | |
| CN112396032A (zh) | 书写检测方法、装置、存储介质及电子设备 | |
| CN112381082A (zh) | 基于深度学习的表格结构重建方法 | |
| CN112801099A (zh) | 一种图像处理方法、装置、终端设备及介质 | |
| CN111539873B (zh) | 个人风格书法字字库生成方法及系统 | |
| CN113468906B (zh) | 图形码提取模型构建方法、识别方法、装置、设备和介质 | |
| CN112883953B (zh) | 基于联合学习的卡片识别装置及方法 | |
| JP2024507308A (ja) | 画像サンプル生成方法、テキスト認識方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
| CN111783737B (zh) | 一种数学公式的识别方法和识别装置 | |
| CN112395834A (zh) | 基于图片输入的脑图生成方法、装置、设备及存储介质 | |
| CN114140808A (zh) | 一种基于国产cpu和操作系统的电子公文识别方法 | |
| CN110852102B (zh) | 一种中文的词性标注方法、装置、存储介质及电子设备 | |
| CN113822521A (zh) | 题库题目的质量检测方法、装置及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |