明代古籍刻本中手写字体的演变及其文化意义

明代经济和文化异常繁盛,也是中国古籍发展的黄金时期。因制版工艺形式的不同,古籍可分为写本、刻本与拓本三种。基于不同目的,手写书迹存在于各种古籍之上,主要表现形式为字体、题签、序文、题跋、批注等。其中,刻本古籍中刊印书籍所使用的字体并非直接书于古籍上,而是先手书上板再刻制刊印而成,称为版刻书迹,但仍属手写书迹。明代刻本手写书迹字体的演变分为前、中、晚三个时期,各自反映了不同时期的审美风尚,同时也具备极高的历史、文献和艺术价值,而复古运动对其的影响也体现出了特有的文化意义。

一种改进的卷积神经网络在手写字体识别中的应用研究

手写字体识别在银行、邮政和电子商务等方面发挥着重要的作用.针对卷积神经网络不能充分地提取不同字体的特征,且在训练过程中难以选出最优权重的问题,提出了一种改进的卷积神经网络,用于手写字体识别.在网络的训练过程中对目标函数添加正则项进行优化.实验采用了MNIST和国内某高校学生手写字体数据集.实验结果表明,改进后的卷积神经网络有效的提升了手写字体的识别率和泛化能力,并且降低了模型的时间复杂度;在实际采集的数据集中充分验证了其方案的可靠性.

基于鬼成像的手写字体分类方法

针对手写字体特征提取难、识别效率低甚至错误的问题,提出一种结合鬼成像原理和分类网络的思想用于手写字体的识别。首先,使用激光器、数字微镜阵列、单像素探测器等搭建鬼成像探测系统,利用系列哈达玛散斑场分别实现对17 239幅手写字体的照射;其次,利用单像素探测器对手写字体透射的总光强值进行采集,并将其转换为一维向量作为网络训练的输入;最后基于卷积神经网络在图像分类的优势搭建网络架构且为解决训练过程中的网络退化问题加入残差块。实验结果表明:对于手写数字来说,全连接神经网络与卷积神经网络的精密度、召回率、F1值分别提高86.50%/97.25%、86.40%/98.03%、86.31%/97.60%;对于手写字母来说,卷积神经网络在全采样下的精密度、召回率、F1值分别为91.87%、90%、90.23%。该方法利用鬼成像原理,仅通过手写字体透射的总光强值而无需对手写字体的特征进行提取与识别便可进行快速分类,大幅提升了手写字体的识别效率。

图像语义分割技术在英文手写字体切分上的应用

针对在非受限条件下的英文手写字切分难度大问题,提出了一种基于轻量级卷积神经网络的语义分割模型。将图像语义分割技术应用在英文手写字切分上。首先,对提出的神经网络结构进行分析研究;其次,提出了基于图像语义分割的英文手写单词切分框架;最后在英文手写字图像上进行实验对比。实验表明:语义分割技术能有效地对英文手写字进行切分;提出的轻量级语义分割网络,相较投影算法、滴水算法等传统的切分方法能有效地提高切分准确率。

锡伯文《识字课本》手写字体的复刻研究

国内对锡伯文手写字体的复刻研究仍处于起步阶段。本文依据国家标准GB/T 36641—2018《信息技术锡伯文名义字符、变形显现字符和控制字符使用规则》,以锡伯文《识字课本》手写字体为依托,通过对锡伯文《识字课本》的数据采集和资料的数据化,分别对其字体尺寸、手写笔画规律、笔画部件、字母连接方式等做了分析和归纳,并完成了一套锡伯文手写字体的复刻和设计方法的总结。

手写字体在农产品包装设计中的视觉分析

文字作为设计语言与视觉形象不仅能够丰富包装形象,还可以提升产品的附加值。本文探讨了手写字体在农产品包装设计中的应用,从汉字的代表性特征出发,分析了手写字体的形状、结构和风格的设计方法,进一步从汉字设计的角度考察了汉字“形与意”分层组合的设计方法,并探讨了其形象和语境。强调了情境设计和表达的深刻作用,以及手写字体在包装设计的视觉语言中起到的重要作用和设计技巧。

基于概率神经网络和贝叶斯判别模型对手写字体识别的研究

通过建立概率神经网络和贝叶斯判别模型对手写字体进行了研究,主要对样本二值图像进行分析,运用Matlab工具箱,将样本数据进行训练后对检验图片进行判别,同时对噪声干扰下的判别效果进行了对比。发现机器识别性能比人工识别差距较大,提出可以通过与Logistic回归、支持向量机等模型进行综合评判,同时对样本数据中异常值在识别错误后予以剔除再进行训练,提高模型判别精度。

手写字体在视觉传达设计中的探析

文字是用于传递信息与表达情感的重要工具,也是视觉传达设计中的重要元素.手写字体的双重性使手写字体与视觉传达设计这两者间产生了紧密联系,手写字的不同设计方法以及对其进行的情感化设计可以满足设计作品风格的多样性,因此在视觉传达设计中得到了发展,并展现出了不同于打印字体的特征.

手写制图字体结构评判自动化研究

根据制图字体训练教学的实际需求 ,对手写制图字体自动评判的原理和方法进行了试验性的研究和论述。

印刷字体创写的峥嵘岁月——记上海印刷技术研究所对印刷字体创写的贡献

一、20世纪60年代之前印刷字体概况20世纪60年代之前,我国使用的印刷字体是沿用早前的铜模铅字,以及从日本引进的书籍报刊正文字体,还有我国刻字人员手工刻成的多副楷体、仿宋体及少量黑体和隶书体.这些字体在字形、笔形、笔画数等方面互不统一：同一字体中,书眉标题的大字与正文的小字互不统一;一字多形,变体、异体共用;笔画数不符合查字法,影响教学;排版后的字,字形大小不一,偏旁部首不一,笔画粗细灰色度不匀,均无整齐美观可言.为此,印刷出版界、文化教育界等对印刷字体的使用状况极为不满,要求改进提高的呼声极高.

述说手写——营销领域手写字体对消费行为的影响

字体设计在营销领域应用广泛,对消费者决策及行为有重要影响。手写字体区别于机器字体,在感知书写主体、物理结构、书写风格、文字感知特性四个方面具有独特内涵。手写字体效应的内在机制可从人因机制、情感机制、认知机制三个方面进行讨论。此外,手写字体对消费者的影响会受到产品类型、消费者类型、信息框架与服务质量四个方面因素的调节。未来的研究可进一步探讨手写字体的设计、潜在负面效果、新的内在机制等。

基于深度学习的手写书法字体识别算法

为解决因手写书法作品种类繁多而识别困难的问题,降低人们观赏书法的门槛,本文提出了基于深度学习的手写书法字体识别算法.识别过程中首先使用投影法等图像处理方法对书法作品图像中的汉字进行定位和分割,然后分别利用GoogLeNet Inception-v3模型和ResNet-50残差网络进行书体风格识别和字形识别.实验结果表明,本文算法能实现对整幅书法作品中楷书和篆书的书体风格以及字形的识别,对楷书和篆书单字的识别率分别为91.57%和81.70%,达到了实用的需求.

基于深度学习的手写英文字体识别研究

针对化学信息手写英文字体识别准确率低,缺少类别信息的问题,本研究基于深度学习,在传统降噪自动编码器的基础上,提出一种组合降噪自动编码和分类降噪编码的组合自编码网络算法,实现了对化学信息手写英文字体的数据特征提取和类别特征提取。通过MNIST数据集和Chars74K数据集测试了该算法与分类降噪自动编码算法在不同迭代次数、网络结构和降噪比例下对数据集的识别结果和识别性能。实验结果表明,本研究提出的组合自编码算法的识别错误率整体偏低,准确包含了化学信息手写英文字体的类别信息,证明该算法具有良好的手写英文字体识别效果。

打响上海文化品牌 助力字体创写设计——浅谈汉字印刷字体创写设计的传承与发展

文字,是传递信息的主要载体之一,更是文明文化传承的重要法宝。随着社会与科技的发展,以各种字体呈现的文字早已成为人们文化生活中不可或缺的重要元素。字体所传递的历史文化艺术美感和内涵也潜移默化地影响着人们生活的方方面面,尤其是目前人们在办公、社会活动或是阅读中遇到的各种汉字印刷字体,更是反映时代发展与社会进步的重要载体。

藏文古籍手写文档文本区域检测方法研究

藏文古籍文本数字化是保护和传承藏文古籍的重要途径,由于藏文古籍具有版面复杂性、多样性和字体大小不一致等特点,传统的经典检测网络难以有效定位小目标文本区域,导致检测效果不理想。文章选择适用于小目标的检测算法YOLOv8基线模型,采用改进后的轻量级骨干网络Faster-Net作为特征提取网络,引入CA注意力机制以更好地利用上下文特征信息,将浅层信息和深层信息有效地结合在一起。实验结果表明,该方法可实现对藏文古籍多字体手写体版面不同字体大小的文本区域定位,其在测试集上的平均精度、准确率和召回率都达到99%以上,适用于藏文古籍版面中字体大小不一致的文本区域目标检测。

电影海报中的字体设计研究

电影海报承担着电影对外重要的宣传工作,随着电影拍摄技术的不断发展创新,电影海报的设计也接连推陈出新。海报中出现的字体在与背景深度融合的同时更起到了输出文字信息的重要功能,力求给观众留下深刻的初印象。通过电影海报中应用不同的字体形式、经典海报的设计赏析,对相应类型的字体设计手法进行解读。

试论电脑手写行楷体的规范问题

电脑手写字体是进入公众视野的社会应用文字,虽然不属于《中华人民共和国国家通用语言文字法》规定应该接受规范的范畴,但基于其极高的使用频率,理应受到相应规范的制约。由于其自身特点,在对电脑手写行楷这样特别常用的字体进行规范的过程中,应遵循刚性原则与柔性原则。刚性原则尊重语言文字的基本规范要求,保证了汉字传递信息的通畅性;柔性原则保证了电脑字体的创新是在充分尊重汉字文化历史传统的前提下进行的,体现了对于汉字艺术化与创新追求的尊重。规范与创新彼此尊重,刚柔并济,规范才能真正发挥作用,创新才有更持久的生命力,二者互相协调,行楷一类的电脑手写字体才能在规范的指导下获得良性的发展。

一种基于端点顺序预测的手写体笔画恢复方法

针对汉字手写体的笔画动态序列恢复问题,文中提出了一种基于端点顺序预测的手写体笔画顺序恢复模型。首先对经过数字化处理后的手写体图像进行细化、笔画片段分割、图像坐标提取和规整等预处理,然后利用预处理后的图像和对应的书写坐标序列生成网络训练的样本,样本由静态手写体图像和包含字体书写顺序的热力图标签组成,该模型采用一种端到端的卷积神经网络结构,最后使用训练好的网络模型对静态手写体图像进行预测,从而得到字体原先的书写顺序。实验结果表明,该方法能够有效地对5笔以内的手写字体进行书写顺序的恢复,具有较高的准确率和处理速度。

基于深度学习的手写文字识别

当前越来越多的场景需要将手写体的文字转换为电子格式,手写体识别成为人机交互最便捷的手段之一,拥有广泛的应用前景。文章提出了一种基于TensorFlow框架的深度学习手写识别方法,包含手写数字识别和手写汉字识别。以TensorFlow为框架,采用CNN神经网络模型建立训练集以降低识别错误率。实验结果最终表明,对手写数字的识别率达到95%,对手写汉字的识别率达到90%。