论宋人书论中的“法”

“结字,晋人用理,唐人用法,宋人用意。”[1]“晋尚韵,唐尚法,宋尚意。”[2]这是前人对晋、唐、宋时代总体书风的概括。后世论书者多津津乐道于宋书之“意”,而于宋人书论中的“法”关注较少。其实,宋代的书家和书论家对书法之“法”颇多深刻的见解,这些思想既存留在他们的书论当中,亦传达于其书作之上,启示着后世对“法”的认知。

小学书法学科破解“双减”难题提质增效实践案例

2021年7月,中共中央办公厅、国务院办公厅印发了《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》(下文均简称《意见》)。《意见》要求全面压减作业总量和时长,减轻学生过重作业负担,提升学校课后服务水平,满足学生多样化需求,大力提升教育教学质量,确保学生在校内学足学好。

多损失融合网络的中国书法字体与风格分类

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。