一个新的CNN模型,用于将中国历史书法风格分类为正规字体字体
Qing Huang1, Michael Li2, Dan Agustin3
1School of Education and the Arts, Central Queensland University, Rockhampton, QLD 4701, Australia.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
这项研究引入了一种新的卷积神经网络 (CNN),用于对中国书法风格进行分类. 人工智能模型实现了高精度,证明了其分析艺术和字体风格的潜力.
科学领域:
- 人工智能的人工智能
- 艺术史 艺术史 艺术史
- 计算机视觉 计算机视觉
背景情况:
- 中国书法,全球公认的治疗和正念的好处,包括不同的脚本,如常规 (Kai Shu),运行 (Xing Shu),官方 (Li Shu) 和斜体 (Cao Shu).
- 唐朝 (公元690-907年) 代表了正规文字 (Kai Shu) 改进的高峰.
- 整合人工智能 (AI) 对于推动书法分析,识别和分类至关重要.
研究的目的:
- 率先应用卷积神经网络 (CNN) 来对中国书法进行分类.
- 开发一种能够区分四种主要唐朝书法风格的AI模型.
- 评估该模型在中国书法中对字体和艺术风格的分类方面的表现.
主要方法:
- 专门用于中国书法分类的创新卷积神经网络 (CNN) 架构的开发.
- 综合数据集的编制,包括8282个来自唐朝的书法样本.
- 在精选的数据集上训练和测试CNN模型,以评估其分类准确性和识别个人风格的能力.
主要成果:
- 开发的CNN模型在分类中文书法方面,与现有网络相比,表现优越.
- 人工智能模型在书法风格分类中实现了高准确率,从89.5%到96.2%不等.
- 这项研究成功地突出了CNN在对中国书法字体和艺术细微差别的分类方面的重要性.
结论:
- 这项研究证实了CNN在中国书法风格的自动分类中的有效性.
- 开发的模型为人工智能驱动的书法艺术和字体特征的分析提供了重大进展.
- 这项研究为未来的研究奠定了基础,探索AI在中国书法中的文化含义和先进应用.
