CN112990176A - 书写质量评价方法、装置和电子设备 - Google Patents

书写质量评价方法、装置和电子设备 Download PDF

Info

Publication number
CN112990176A
CN112990176A CN202110386401.5A CN202110386401A CN112990176A CN 112990176 A CN112990176 A CN 112990176A CN 202110386401 A CN202110386401 A CN 202110386401A CN 112990176 A CN112990176 A CN 112990176A
Authority
CN
China
Prior art keywords
subword
stroke
writing
word
target
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
Application number
CN202110386401.5A
Other languages
English (en)
Other versions
CN112990176B (zh
Inventor
蔡猛
梁镇麟
刘瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202110386401.5A priority Critical patent/CN112990176B/zh
Publication of CN112990176A publication Critical patent/CN112990176A/zh
Application granted granted Critical
Publication of CN112990176B publication Critical patent/CN112990176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Character Discrimination (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开实施例公开了书写质量评价方法、装置和电子设备。该方法的一具体实施方式包括：获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。由此，提供了一种新的书写质量评价方式。

Description

书写质量评价方法、装置和电子设备
技术领域
本公开涉及互联网技术领域，尤其涉及一种书写质量评价方法、装置和电子设备。
背景技术
随着互联网的发展，用户越来越多的使用终端设备实现各种功能。例如，用户可以借助终端设备进行学习。
在一些应用场景中，可以由人类对书写质量进行评价。
发明内容
提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开实施例提供了一种书写质量评价方法，该方法包括：获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
第二方面，本公开实施例提供了一种书写质量评价装置，包括：获取单元，用于获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；确定单元，用于基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的书写质量评价方法。
第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的书写质量评价方法的步骤。
本公开实施例提供的书写质量评价方法、装置和电子设备，通过获取待评价书写图像中的目标子词，然后基于指示目标子词的第一特征向量，确定目标子词对应的书写质量评价信息。由此，可以提供一种新的书写质量评价信息方法，这种方法可以以子词(即笔画单元)为粒度，生成针对子词的书写质量评价信息，从而，可以实现针对书写图像以子词为粒度的评价，丰富了书写质量评价维度，提高了书写质量评价的客观性和准确性。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的书写质量评价方法的一个实施例的流程图；
图2是根据本公开的书写质量评价方法的一个应用场景的示意图；
图3是根据本公开的书写质量评价方法的一种示例性实现方式的示意图；
图4是根据本公开的书写质量评价方法的一种示例性实现方式的示意图；
图5是根据本公开的书写质量评价装置的一个实施例的结构示意图；
图6是本公开的一个实施例的书写质量评价方法可以应用于其中的示例性系统架构；
图7是根据本公开实施例提供的电子设备的基本结构的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
请参考图1，其示出了根据本公开的书写质量评价方法的一个实施例的流程。该书写质量评价方法应用于服务器或者终端设备。如图1所示该书写质量评价方法，包括以下步骤：
步骤101，获取待评价书写图像中的目标子词。
在本实施例中，书写质量评价方法的执行主体(例如或者服务器终端设备)可以获取待评价书写图像中的目标子词。
在本实施例中，待评价书写图像，可以图像内容包括书写字符的图像。书写字符的语种类型，可以是任意语种，在此不做限定。例如，可以是包括手写的汉字的图像。
在这里，目标子词可以是待评价书写图像所指示的字符中的笔画单元。
在这里，笔画单元可以包括至少一个笔画。
请参考图2，图2示出了图1所示实施例中的示例性应用场景。
在图2中，示出了用户所书写的字符“好”。用户书写的“好”字的图像，可以作为待评价书写图像。可以理解，“好”字的标准笔画可以包括撇点、撇、横一、横撇、竖钩和横二。“好”中的子词，可以采用各种依据进行分类，得到不同的子词结果。
作为示例，“好”字中的“女”这部分可以作为第一子词201，“好”字中的“子”这部分可以作为第二子词202。
作为示例，可以将“撇点、撇”这两笔作为一个子词，还可以将“横撇、竖钩”这两笔作为一个子词。还可以将“横二”这一笔作为一个子词。
在这里，目标子词，可以是待评价书写图像中的任意子词，在子词前添加目标二次，是为了方便说明，而不构成对子词的限制。
步骤102，基于指示目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
在这里，指示目标子词的第一特征向量，可以采用各种特征提取方法得到，在此不再赘述。
在本实施例中，书写质量评价信息，可以用于表征书写质量。可以理解，书写质量通常为人眼去去看去评价的东西。在这里，可以将主观评价具体化为书写质量参数，采用计算机进行书写质量评价信息；即可以将通常需要人类去实现的评价，转化为计算机视觉以及计算机可以去衡量评价的指标。
在一些应用场景中，参与书写质量评价的具体书写质量参数项，可以根据实际应用场景选定，在此不做限制。
在本实施例中，书写质量参数项可以是用于评价书写质量的指标。书写质量参数项可以表征的内容，包括但不限于以下至少一项：字形结构有没有问题，哪些笔画之间应该相连，哪些笔画应该出头而没有出头啊，笔顺对不对，笔画写的对不对，哪个偏旁写的好，或者哪个笔画写的好。
需要说明的是，本实施例提供的书写质量评价方法，获取待评价书写图像中的目标子词，然后基于指示目标子词的第一特征向量，确定目标子词对应的书写质量评价信息。由此，可以提供一种新的书写质量评价信息方法，这种方法可以以子词(即笔画单元)为粒度，生成针对子词的书写质量评价信息，从而，可以实现针对书写图像以子词为粒度的评价，丰富了书写质量评价维度，提高了书写质量评价的客观性和准确性。
在一些实施例中，所述步骤101，可以包括图3所示的步骤301和步骤302。
步骤301，根据预先建立的预设子词集合，确定待评价字符图像中是否包括与预设子词匹配的笔画组合。
在这里，预设子词集合可以包括预设子词。预设子词集合可以包括若干个预设子词。预设子词可以指示出现频率较高(较高的确定依据可以根据实际应用场景设置)的笔画搭配组合。
继续以图2所示例子进行说明，“好”字的笔画组合方式可以有多种，例如可以将“撇点、撇”这两笔作为一个子词，还可以将“横撇、竖钩”这两笔作为一个子词，还可以将“横二”这一笔作为一个子词；还可以将“好”字中的“女”这部分可以作为第一子词201，“好”字中的“子”这部分可以作为第二子词202。
将图2所示“好”字中的各个笔画组合和预设子词集合中的预设子词进行比对，可能会得出“撇点、撇”“横撇、竖钩”“横二”没有匹配的预设子词的结论；“好”字中的“女”这部分可以与预设子词匹配，“子”这部分也可以和预设子词匹配。
步骤302，响应于确定待评价字符图像中包括与预设子词匹配的笔画组合，获取与预设子词匹配的笔画组合作为目标子词。
作为示例，如果“好”字中的“女”这部分可以与预设子词匹配，“子”这部分也可以和预设子词匹配。可以将“女”这部分作为目标子词，或者，可以将“子”这部分作为目标子词。
需要说明的是，采用预先建立的预设子词集合，可以快速确定待评价书写图像中的目标子词，并且可以保证所确定子词的准确性，避免出现将非常规的笔画组合确定为子词的情况发生。
在一些实施例中，所述预设子词集合通过子词挖掘步骤生成。
在这里，所述子词挖掘步骤包括：确定笔画序列集合中各个候选子词的出现频率，以及基于出现频率，从至少一个候选子词中选取候选子词作为预设子词。
在这里，可以获取若干字符的笔画序列，针对每个类型的字符(例如“好”字可以作为一个类型的字符)可以获取若干笔画序列。由此，可以获取到若干笔画序列。作为示例，笔画序列可以在互联网搜集得到。
在这里，候选子词包括笔画序列中具有相邻关系的至少两个笔画。具有相邻关系，可以至在笔画序列中的位次连续。作为示例，“好”字的笔画序列可以包括按顺序的撇点、撇、横一、横撇、竖钩和横二。位于第一位和第二位的“撇点、撇”可以作为候选子词，位于第一位、第二位和第三位的“撇点、撇、横一”也可以作为候选子词。但是作为第一位和第五位的“撇点”“竖钩”不可以作为候选子词。
可以理解，每个笔画序列可以得到多个候选子词，笔画序列之间的候选子词可能具有交集。例如，“好”字中“撇点、撇、横一”的候选子词“女”，在“娃”字具有此候选子词。因此，可以得到候选子词“女”在笔画序列集合中的出现次数。
在这里，根据出现次数，可以从至少一个候选子词中，选取候选子词作为预设子词。
在这里，可以按照出现次数对候选子词进行排列，按照由高到低的顺序，选取预设数目个候选子词作为预设子词。
需要说明的是，按照候选子词在笔画序列集合中的出现频率，从至少一个候选子词中选取出预设子词，可以使得选取出的候选子词为较为常见的笔画组合。具体来说，在笔画顺序序列中的位次连续，可以贴合实际书写场景中(属于同一部分的笔画一起写)；按照出现频率选取，可以不常规的搭配组合排除(例如好字中“横一、横撇”)；由此，可以准确挖掘出较为常见的笔画组合作为预设子词。
在一些实施例中，所述确定笔画序列集合中各个候选子词的出现概率，以及从至少一个候选子词中，选取候选子词作为预设子词，可以包括图4所示步骤401和步骤402。：
步骤401，基于笔画序列集合，执行第一步骤。
第一步骤可以包括步骤4011、步骤4012、步骤4013和步骤4014。
步骤4011，确定笔画序列集合中各个相邻笔画对的出现频率。
相邻笔画对，可以至少两个笔画。
步骤4012，根据相邻笔画对的出现频率，选取第一预设数目个相邻笔画对加入预设子词集合。
在这里，第一预设数目的具体数值可以根据实际应用场景设置，例如可以是1。
在这里，加入预设子词集合，可以理解为将该相邻笔画对确定为预设子词。
步骤4013，确定退出条件是否满足。
在这里，退出条件可以根据实际应用场景设置，在此不做限定。
步骤4014，如果是，输出预设子词集合。
步骤402，如果否，将选取出的相邻笔画对融合为虚拟一笔，利用所述虚拟一笔更新笔画序列集合，以及继续执行第一步骤。
在这里，选取出的相邻笔画对融合为虚拟一笔，可以将此虚拟一笔算作一个笔画，继续确定相邻笔画对。
可以理解，步骤402可以理解为跳转步骤，即可以调整至第一步骤继续执行。由此，图4其实示出了可以循环执行的流程，直到退出条件满足。
作为示例，步骤4012中可以选取出“撇点、撇”作为子词。步骤402中可以将“撇点、撇”作为虚拟的一笔。将虚拟的一笔放入更新后的笔画序列集合中，则“撇点、撇”都算作一笔，例如记为“固定组合一号”，固定组合一号和“横一”可以继续组成相邻笔画对，参与下一轮的选取预设子词过程。由此，可以看出，步骤4012中的相邻笔画对中的实际笔画，可以是至少两个。
需要说明的是，采用图4所示方式，挖掘预设子词，可以实现机器自动的挖掘预设子词，相对于已知偏旁部首的固定组合，可以挖掘出更多常见笔画搭配。由上述方式挖掘出的预设子词集合，可以适用于实施书写的属性质量评价。作为示例，“撇点、撇”在现代汉语中一般不作为固定搭配，但是，此处将“撇点、撇”作为子词，可以在用户书写“好”字的过程中，在用户写到“撇点、撇”这两笔的时候，实施给出书写质量评价信息。
在一些实施例中，所述退出条件包括子词集合的子词数量不小于第二数量阈值。
在这里，第二数量阈值可以根据实际应用情况调整。第二数量阈值可以控制挖掘出的预设子词的数量。作为示例，如果第二数量阈值小一些，则可能挖掘出的预设子词可能包括较多由两笔组成的笔画单元；如果第二数量阈值大一些，则挖掘出的预设子词可能会提高三笔组成的单元的数量。
需要说明的是，根据第二数量阈值确定是否退出，可以根据实际应用情况，确定挖掘的预设子词的数量，从而控制子词所挖掘至的粒度，从而可以控制书写质量评价的粒度，提高书写质量评价的灵活性。
在一些实施例中，所述步骤102，可以包括：将目标子词对应的目标子词图像导入预先建立的图像分类模型，其中，所述图像分类模型包括特征提取层；获取所述特征提取层生成的第一特征向量。
在这里，图像分类模型可以是用于对图像进行分类的模型。图像分类模型的输入可以是图像，输出可以是图像类型。图像类型的具体项，可以根据实际应用场景设置，在此不做限定。
可选的，图像分类模型的输出可以包括字符识别结果。作为示例，对于手写图像中的“的”字，图像分类模型可以识别手写图像中的字符为“的”。
在本实施例中，上述图像分类模型的结构，可以是任何神经网络结构，在此不做限定(例如，可以是AlexNet、VGG、ResNet、SqeezeNet、DenseNet、Inception等)。
在本实施例中，图像分类模型可以包括至少一个特征提取层。特征提取层用于提取图像特征。在一些应用场景中，提取图像特征可以得到特征向量(例如，图嵌入向量，graph embedding)。
可选的，特征提取层的个数可以是一个或者至少两个。作为示例，特征提取层的结构可以包括卷积层。
需要说明的是，采用图像分类模型处理目标子词图像，可以利用图像分类模型关于图像分类的特征提取能力对图像进行表征，对于未处理过的字符形状也可以进行准确的特征提取，从而，可以实现针对目标子词的特征提取和书写质量评价，并且准确率较高。
在一些实施例中，所述步骤102，包括：获取第二特征向量；基于所述第一特征向量和所述第二特征向量，确定所述目标子词的书写质量评价信息。
在这里，第二特征向量基于书写样例图像得到，所述书写样例图像指示与所述目标子词匹配的预设子词。
在这里，第二特征向量可以基于书写样例图像得到。在这里，书写样例图像的图像内容可以包括书写样例。书写样例可以包括书写正样例，也可以包括书写负样例；例如，关于书写字符是否倾斜，既可以包括书写不倾斜的样例，也可以包括书写倾斜的样例，具体的，可以包括倾斜到不同程度的样例。
在这里，基于书写样例图像得到第二特征向量，可以采用各种方式实现。
在一些应用场景中，可以采用图像分类模型对书写样例图像进行处理，以及获取上述目标特征提取层生成的特征向量作为第二特征向量。
需要说明的是，采用图像分类模型处理待评价书写图像过程中生成的第一特征向量，减少样例图像的收集量和处理量，可以不必针对每个类型收集大量样本，处理较少样本即可实现将第一特征向量与第二特征向量比对，生成书写质量评分。
在一些实施例中，目标子词对应的书写质量评价因素还可以包括第一书写质量参数项(笔画应该出头而没有出头)和第二书写质量参数项(字体倾斜)。可以获取第一书写质量参数项对应的第二特征向量，与第一特征向量进行相似度计算，确定所述待评价书写图像在笔画应该出头而没有出头方面的参数项值。可以获取第二书写质量参数项对应的第二特征向量，与第一特征向量进行相似度计算，确定所述待评价书写图像在字体倾斜方面的参数项值。然后，可以根据笔画应该出头而没有出头方面的参数项值和字体倾斜方面的参数项值，生成目标子词书写质量评价信息。
需要说明的是，基于第一特征向量和第二特征向量之间，确定待评价书写图像的书写质量评分，可以降低确定书写质量评分的难度，以及提高所确定的书写质量评分的准确度。
在一些实施例中，所述方法还包括：基于目标子词对应的书写质量评价信息，生成所述待评价书写图像对应的书写质量评价信息。
在这里，可以将目标子词对应的书写质量评价信息，作为待评价书写图像对应的书写质量评价信息的其中一个参考项。
作为示例，待评价书写图像的书写质量评价因素，还可以包括字的整体结构、各个笔画的书写质量等参考项。
需要说明的是，将目标子词对应的书写质量评价信息作为待评价书写图像的书写质量的参考项，可以提高整字的评价待评价书写图像的书写质量评价的参考项数量，贴合人工评价书写质量的场景，从而，提高书写质量评价的真实感和准确性。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种书写质量评价装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的书写质量评价装置包括：获取单元501和确定单元502。其中，获取单元，用于获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；确定单元，用于基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
在本实施例中，书写质量评价装置的获取单元501和确定单元502的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101和步骤102的相关说明，在此不再赘述。
在一些实施例中，所述获取待评价书写图像中的目标子词，包括：根据预先建立的预设子词集合，确定待评价字符图像中是否包括与预设子词匹配的笔画组合，其中，预设子词集合包括预设子词；响应于确定待评价字符图像中包括与预设子词匹配的笔画组合，获取与预设子词匹配的笔画组合作为目标子词。
在一些实施例中，所述预设子词集合通过子词挖掘步骤生成，其中，所述子词挖掘步骤包括：确定笔画序列集合中各个候选子词的出现频率，以及基于出现频率，从至少一个候选子词中选取候选子词作为预设子词，其中，候选子词包括笔画序列中具有相邻关系的至少两个笔画。
在一些实施例中，所述确定笔画序列集合中各个候选子词的出现概率，以及从至少一个候选子词中，选取候选子词作为预设子词，包括：基于笔画序列集合，执行第一步骤，其中，第一步骤包括：确定笔画序列集合中各个相邻笔画对的出现频率；根据相邻笔画对的出现频率，选取第一预设数目个相邻笔画对加入预设子词集合；确定退出条件是否满足；如果是，输出所述预设子词集合；如果否，将选取出的相邻笔画对融合为虚拟一笔，利用所述虚拟一笔更新笔画序列集合，以及继续执行第一步骤。
在一些实施例中，所述退出条件包括子词集合的子词数量不小于第二数量阈值。
在一些实施例中，所述步骤基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息，包括：将目标子词对应的目标子词图像导入预先建立的图像分类模型，其中，所述图像分类模型包括特征提取层；获取所述特征提取层生成的第一特征向量。
在一些实施例中，所述基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息，包括：获取第二特征向量，其中，第二特征向量基于书写样例图像得到，所述书写样例图像指示与所述目标子词匹配的预设子词；基于所述第一特征向量和所述第二特征向量，确定所述目标子词的书写质量评价信息。
在一些实施例中，所述方法还包括：基于目标子词对应的书写质量评价信息，生成所述待评价书写图像对应的书写质量评价信息。
请参考图6，图6示出了本公开的一个实施例的书写质量评价方法可以应用于其中的示例性系统架构。
如图6所示，系统架构可以包括终端设备601、602、603，网络604，服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备601、602、603可以通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种客户端应用，例如网页浏览器应用、搜索类应用、新闻资讯类应用。终端设备601、602、603中的客户端应用可以接收用户的指令，并根据用户的指令完成相应的功能，例如根据用户的指令在信息中添加相应信息。
终端设备601、602、603可以是硬件，也可以是软件。当终端设备601、602、603为硬件时，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备601、602、603为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器605可以是提供各种服务的服务器，例如接收终端设备601、602、603发送的信息获取请求，根据信息获取请求通过各种方式获取信息获取请求对应的展示信息。并展示信息的相关数据发送给终端设备601、602、603。
需要说明的是，本公开实施例所提供的书写质量评价方法可以由终端设备执行，相应地，书写质量评价装置可以设置在终端设备601、602、603中。此外，本公开实施例所提供的书写质量评价方法还可以由服务器605执行，相应地，书写质量评价装置可以设置于服务器605中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图6中的终端设备或服务器)的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD－ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
在一些实施例中，所述获取待评价书写图像中的目标子词，包括：根据预先建立的预设子词集合，确定待评价字符图像中是否包括与预设子词匹配的笔画组合，其中，预设子词集合包括预设子词；响应于确定待评价字符图像中包括与预设子词匹配的笔画组合，获取与预设子词匹配的笔画组合作为目标子词。
在一些实施例中，所述预设子词集合通过子词挖掘步骤生成，其中，所述子词挖掘步骤包括：确定笔画序列集合中各个候选子词的出现频率，以及基于出现频率，从至少一个候选子词中选取候选子词作为预设子词，其中，候选子词包括笔画序列中具有相邻关系的至少两个笔画。
在一些实施例中，所述确定笔画序列集合中各个候选子词的出现概率，以及从至少一个候选子词中，选取候选子词作为预设子词，包括：基于笔画序列集合，执行第一步骤，其中，第一步骤包括：确定笔画序列集合中各个相邻笔画对的出现频率；根据相邻笔画对的出现频率，选取第一预设数目个相邻笔画对加入预设子词集合；确定退出条件是否满足；如果是，输出所述预设子词集合；如果否，将选取出的相邻笔画对融合为虚拟一笔，利用所述虚拟一笔更新笔画序列集合，以及继续执行第一步骤。
在一些实施例中，所述退出条件包括子词集合的子词数量不小于第二数量阈值。
在一些实施例中，所述步骤基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息，包括：将目标子词对应的目标子词图像导入预先建立的图像分类模型，其中，所述图像分类模型包括特征提取层；获取所述特征提取层生成的第一特征向量。
在一些实施例中，所述基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息，包括：获取第二特征向量，其中，第二特征向量基于书写样例图像得到，所述书写样例图像指示与所述目标子词匹配的预设子词；基于所述第一特征向量和所述第二特征向量，确定所述目标子词的书写质量评价信息。
在一些实施例中，所述方法还包括：基于目标子词对应的书写质量评价信息，生成所述待评价书写图像对应的书写质量评价信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待评价书写图像中的目标子词的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD－ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (11)

1.一种书写质量评价方法，其特征在于，包括：
获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；
基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
2.根据权利要求1所述的方法，其特征在于，所述获取待评价书写图像中的目标子词，包括：
根据预先建立的预设子词集合，确定待评价字符图像中是否包括与预设子词匹配的笔画组合，其中，预设子词集合包括预设子词；
响应于确定待评价字符图像中包括与预设子词匹配的笔画组合，获取与预设子词匹配的笔画组合作为目标子词。
3.根据权利要求2所述的方法，其特征在于，所述预设子词集合通过子词挖掘步骤生成，其中，所述子词挖掘步骤包括：
确定笔画序列集合中各个候选子词的出现频率，以及基于出现频率，从至少一个候选子词中选取候选子词作为预设子词，其中，候选子词包括笔画序列中具有相邻关系的至少两个笔画。
4.根据权利要求3所述的方法，其特征在于，所述确定笔画序列集合中各个候选子词的出现概率，以及从至少一个候选子词中，选取候选子词作为预设子词，包括：
基于笔画序列集合，执行第一步骤，其中，第一步骤包括：确定笔画序列集合中各个相邻笔画对的出现频率；根据相邻笔画对的出现频率，选取第一预设数目个相邻笔画对加入预设子词集合；确定退出条件是否满足；如果是，输出所述预设子词集合；
如果否，将选取出的相邻笔画对融合为虚拟一笔，利用所述虚拟一笔更新笔画序列集合，以及继续执行第一步骤。
5.根据权利要求4所述的方法，其特征在于，所述退出条件包括子词集合的子词数量不小于第二数量阈值。
6.根据权利要求1所述的方法，其特征在于，所述步骤基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息，包括：
将目标子词对应的目标子词图像导入预先建立的图像分类模型，其中，所述图像分类模型包括特征提取层；
获取所述特征提取层生成的第一特征向量。
7.根据权利要求1所述的方法，其特征在于，所述基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息，包括：
获取第二特征向量，其中，第二特征向量基于书写样例图像得到，所述书写样例图像指示与所述目标子词匹配的预设子词；
基于所述第一特征向量和所述第二特征向量，确定所述目标子词的书写质量评价信息。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于目标子词对应的书写质量评价信息，生成所述待评价书写图像对应的书写质量评价信息。
9.一种书写质量评价装置，其特征在于，包括：
获取单元，用于获取待评价书写图像中的目标子词，其中，所述目标子词为待评价书写图像所指示的字符中的笔画单元，笔画单元包括至少一个笔画；
确定单元，用于基于指示所述目标子词的第一特征向量，确定所述目标子词对应的书写质量评价信息。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1－8中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1－8中任一所述的方法。
CN202110386401.5A 2021-04-09 2021-04-09 书写质量评价方法、装置和电子设备 Active CN112990176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110386401.5A CN112990176B (zh) 2021-04-09 2021-04-09 书写质量评价方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110386401.5A CN112990176B (zh) 2021-04-09 2021-04-09 书写质量评价方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN112990176A true CN112990176A (zh) 2021-06-18
CN112990176B CN112990176B (zh) 2023-07-18

Family

ID=76337805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110386401.5A Active CN112990176B (zh) 2021-04-09 2021-04-09 书写质量评价方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN112990176B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113420983A (zh) * 2021-06-23 2021-09-21 科大讯飞股份有限公司 一种书写评价方法、装置、设备及存储介质
CN117541999A (zh) * 2024-01-10 2024-02-09 江苏汉丹云教育科技有限公司 一种书写教学与评价系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103390358A (zh) * 2013-07-03 2013-11-13 广东小天才科技有限公司 对电子设备的字符书写操作进行规范性判断的方法及装置
CN103777776A (zh) * 2014-01-22 2014-05-07 福建海媚数码科技有限公司 Ktv笔画点歌的方法
CN104182748A (zh) * 2014-08-15 2014-12-03 电子科技大学 一种基于拆分匹配的汉字笔画自动提取方法
CN104503597A (zh) * 2014-12-19 2015-04-08 北京奇虎科技有限公司 笔画输入方法、装置和系统
US20160188970A1 (en) * 2014-12-26 2016-06-30 Fujitsu Limited Computer-readable recording medium, method, and apparatus for character recognition
CN106598920A (zh) * 2016-11-28 2017-04-26 昆明理工大学 一种笔画编码结合汉字点阵的形近字分类方法
CN108319896A (zh) * 2017-12-29 2018-07-24 上海义启信息科技有限公司 一种汉字书写的识别方法
CN108734165A (zh) * 2018-05-07 2018-11-02 百度在线网络技术（北京）有限公司 基于人工智能的书法质量检测方法、装置和电子设备
CN109242796A (zh) * 2018-09-05 2019-01-18 北京旷视科技有限公司 文字图像处理方法、装置、电子设备和计算机存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103390358A (zh) * 2013-07-03 2013-11-13 广东小天才科技有限公司 对电子设备的字符书写操作进行规范性判断的方法及装置
CN103777776A (zh) * 2014-01-22 2014-05-07 福建海媚数码科技有限公司 Ktv笔画点歌的方法
CN104182748A (zh) * 2014-08-15 2014-12-03 电子科技大学 一种基于拆分匹配的汉字笔画自动提取方法
CN104503597A (zh) * 2014-12-19 2015-04-08 北京奇虎科技有限公司 笔画输入方法、装置和系统
US20160188970A1 (en) * 2014-12-26 2016-06-30 Fujitsu Limited Computer-readable recording medium, method, and apparatus for character recognition
CN106598920A (zh) * 2016-11-28 2017-04-26 昆明理工大学 一种笔画编码结合汉字点阵的形近字分类方法
CN108319896A (zh) * 2017-12-29 2018-07-24 上海义启信息科技有限公司 一种汉字书写的识别方法
CN108734165A (zh) * 2018-05-07 2018-11-02 百度在线网络技术（北京）有限公司 基于人工智能的书法质量检测方法、装置和电子设备
CN109242796A (zh) * 2018-09-05 2019-01-18 北京旷视科技有限公司 文字图像处理方法、装置、电子设备和计算机存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENG-LINLIU 等: "Model-based stroke extraction and matching for handwritten Chinese character recognition", 《PATTERN RECOGNITION》 *
MINH DINH 等: "Recovery of drawing order from multi-stroke English handwritten images based on graph models and ambiguous zone analysis", 《EXPERT SYSTEMS WITH APPLICATIONS》 *
陈旭东 等: "一种汉字笔画自动提取基准测试库", 《北京大学学报(自然科学版)》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113420983A (zh) * 2021-06-23 2021-09-21 科大讯飞股份有限公司 一种书写评价方法、装置、设备及存储介质
CN113420983B (zh) * 2021-06-23 2024-04-12 科大讯飞股份有限公司 一种书写评价方法、装置、设备及存储介质
CN117541999A (zh) * 2024-01-10 2024-02-09 江苏汉丹云教育科技有限公司 一种书写教学与评价系统及方法
CN117541999B (zh) * 2024-01-10 2024-03-22 江苏汉丹云教育科技有限公司 一种书写教学与评价系统及方法

Also Published As

Publication number Publication date
CN112990176B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN110162670B (zh) 用于生成表情包的方法和装置
CN109961032B (zh) 用于生成分类模型的方法和装置
CN111831855B (zh) 用于匹配视频的方法、装置、电子设备和介质
CN111696176A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN110287816B (zh) 车门动作检测方法、装置和计算机可读存储介质
CN112364860A (zh) 字符识别模型的训练方法、装置和电子设备
CN110046571B (zh) 用于识别年龄的方法和装置
CN112990176B (zh) 书写质量评价方法、装置和电子设备
CN111897950A (zh) 用于生成信息的方法和装置
CN110008926B (zh) 用于识别年龄的方法和装置
CN109919220B (zh) 用于生成视频的特征向量的方法和装置
CN113191257B (zh) 笔顺检测方法、装置和电子设备
CN114420135A (zh) 基于注意力机制的声纹识别方法及装置
CN113255812A (zh) 视频边框检测方法、装置和电子设备
CN113343069A (zh) 用户信息的处理方法、装置、介质及电子设备
CN111797822A (zh) 文字对象评价方法、装置和电子设备
CN112241761A (zh) 模型训练方法、装置和电子设备
CN113628097A (zh) 图像特效配置方法、图像识别方法、装置及电子设备
CN110765304A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN114625876B (zh) 作者特征模型的生成方法、作者信息处理方法和装置
CN111027495A (zh) 用于检测人体关键点的方法和装置
CN112905291A (zh) 数据展示方法、装置和电子设备
CN111897951A (zh) 用于生成信息的方法和装置
CN112115740A (zh) 用于处理图像的方法和装置
CN112990349B (zh) 书写质量评价方法、装置和电子设备

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