基于随机循环网络的汉字骨架生成

汉字骨架是汉字字形的重要拓扑描述,提供了汉字字形结构的重要信息。汉字骨架可以视为点序列,运用具有序列输出的循环神经网络(RNN)等生成。然而当前输出长序列的深度神经网络通常面临诸如梯度消失或爆炸,需要大量训练样本和训练时间长等问题,导致此类方法生成的汉字骨架蕴含的书写细节较少,同时缺乏对汉字结构的准确描述。文中将汉字的结构信息与神经网络方法相结合,使用多个并行的随机循环网络(RRN)生成汉字骨架,生成过程在两个层面进行,字符层面包括一连串的笔画,而笔画层面包括一连串的点。生成模型仅需小规模的训练数据即可完成训练,同时避免了梯度消失或爆炸的问题,不仅增强了对汉字结构的描述,而且保留了更多的骨架特征点。实验结果表明,该方法生成的汉字骨架具有更丰富的书写细节特征,可用于快速生成大规模、高质量的汉字骨架。