基于深度学习的汉字生成方法

黄子君，陈 琪，罗文兵

1.南昌师范学院 数学与信息科学学院，南昌330022

2.江西师范大学 计算机信息工程学院，南昌330022

汉字作为中华民族文化的重要载体，其书写作为一种文学艺术，能够让人感受到中华文化的博大精深。目前，手写汉字生成在馆藏学特别是在古文献修复、名人书法鉴别等应用中有广泛的应用前景[1-8]，区别于图像模式识别[9-10]任务主要通过对图像进行分割、特征提取等方式实现图像识别的目的，汉字生成任务主要是通过学习不同汉字表示域之间的映射，实现从一种汉字风格迁移到另一种汉字风格[11-12]。手写汉字生成任务研究工作前驱是标准字体的风格迁移，例如从楷体到宋体汉字的风格转换。由于手写汉字的生成任务更为复杂，所以在现阶段想要生成效果上乘的手写汉字仍亟待进一步研究。

回顾机器学习历史，采用机器学习的方式解决手写汉字生成任务的方法可以总体概括为两大类，一种是基于浅层学习的手写汉字生成方式[13-22]，该方法是将汉字拆分之后提取汉字的层次结构、笔画、大小等局部信息，通过一定的算法合成手写汉字。另一种是基于深度学习的手写汉字生成方式[23-26]，该方式是将单个汉字看成一个基本单元，是一个不可分割的整体，关注的是汉字的整体风格，基于这样的想法采用以卷积神经网络[27]（Convolutional Neural Networks，CNNs）为代表的深度学习模型实现手写汉字生成。

一般而言，基于浅层学习的手写汉字生成方式的关注点在汉字的局部信息上，在生成汉字的过程中需要对汉字的笔画大小与位置进行控制调整，除此之外，在对数据进行预处理的时候，往往需要大量的人力物力去进行手工标注[12-16]。……