网络手写的赛博文字:“具身-物性”与后人类未来的降维存在

网络手写是目前年轻人比较热衷的文字书写方式,通过书写媒介和网络社交平台,能够方便地将手写文字的个性笔迹,与名家书法或基准字库的视觉美学融为一体,生成视觉“奇异性”的赛博文字、数字书法或文字数码物,带给网民参与的书写乐趣、趣缘交往和文创商机。文章主要运用许煜分析一般“数码物”时引自于西蒙栋思考一般“技术物”时所采用的“数量级”概念和方法,结合“一起练字”网络手写平台的相关个案和经验材料,从书写文字与书写者身体的媒介关系及其演化历史出发,尝试建构融合“个体之物”与“环境之物”两种不同数量级之物的“具身-物性”阐释框架,从而较为细致地阐明网络手写文字如何以“模拟拼贴”和“数字生成”构成文字数码物的两种创作模式;同时分析网络手写平台如何由于未能有效解决网民手写文字的网络“可见性”所导致的社交贫困问题,提出可能的“争胜性”策略。文章将网络手写文字的探讨,定位在更普遍的人机交互和网络社交领域,强调正是作为模拟媒介的人类肉身和作为数字媒介的计算机网络及其算法之间不对等的数量级转导,实现了赛博文字及其网络交往,并将相关讨论扩展到更广泛的后人类未来可能以数字降维和图像交流为存在方式的媒介哲学。

基于多尺度特征融合的互学习脱机手写数学公式识别

脱机手写数学公式二维结构复杂,其中字符多变的尺度以及书写风格的变换不一都会增大手写数学公式识别的难度。文中提出了一个基于多尺度特征融合的互学习模型。首先,在编码阶段引入了多尺度特征融合的方式改进模型,以提升模型对公式中细粒度信息的提取能力以及加强对全局二维结构的语义信息理解;其次,引入了成对的手写体、打印体数据来进行互学习模型的训练,该模型包括解码器损失和上下文匹配损失,分别学习LaTeX语法以及手写体、打印体之间的语义不变性,提高模型对不同书写风格的鲁棒性,提升对公式整体信息的理解能力。在CROHME 2014/2016/2019数据集上进行实验验证,结果发现:引入多尺度特征融合机制后,表达式正确率分别达到55.25%、52.31%、53.72%;引入互学习机制后,表达式正确率分别达到55.43%、53.53%、53.79%;同时引入两种机制后,表达式正确率分别达到58.88%、55.10%、57.05%。经实验证明,文中提出的方法能够有效提取公式中不同尺度下的特征,并通过互学习机制克服手写风格不一、数据量少等问题。此外,在HME100K数据集上的实验结果也验证了文中提出模型的有效性。

基于LeNet-5的手写数字识别的改进方法

手写体识别是计算机视觉的一个重要研究方向。在手写体识别中,常规方法的泛化性能通常较低。相比之下,人工神经网络能够从样本数据中学习特征表达。文章详细探讨了基于LeNet-5和基于卷积神经网络的手写数字识别方法,并设计了图形用户界面(GUI)进行实际测试。测试结果显示,改进后的LeNet-5模型在手写数字识别上相较于传统LeNet-5模型有一定提升。

基于机器视觉的手写钢板号图像增强及矫正算法研究与应用

钢板号的正确识别检查是实现生产线自动化生产的重要基础条件之一。近年来,许多生产线在备料位置配备了喷印机用于自动标记物料编号。喷印的字迹清晰且耐高温,在没有涂抹的情况下使用钢板号识别设备可以实现接近100%的识别率。然而,由于喷印设备故障或受限于资金和空间等原因,有时无法安装喷印设备,只能依赖人工手写的方式在钢板表面标记编号。与喷印编号相比,手写编号存在书写随意、连笔、字迹歪斜扭曲等复杂情况,这些因素限制了识别系统的准确性。鉴于识别效果较差,通常需要依赖人工目测来辅助识别,从而影响了物料跟踪自动化的实施效果。为了提升手写钢板号的识别效果,对传统机器学习光学字符识别(OCR)文本区域检测算法进行改进研究,并针对手写钢板号的特征,提出一种图像增强和扭曲矫正处理的算法。应用结果表明,该算法可以改善手写钢板号的图像质量和形状,提高识别的准确性。该研究旨在提升手写钢板号识别效果,以解决自动化生产中的难题。通过图像增强和矫正处理,使识别系统更好地处理手写钢板号,推动物料跟踪的自动化实施。

基于LSTM的智能手机3D手写识别

针对传统传感器需要在特定的空间区域内才能进行人机交互,极易受到外部环境因素干扰的问题,提出一种新的基于长短时记忆神经网络(LSTM)的智能手机3D空间手写识别方法,用于非特定三维空间中实现的人机交互.首先,利用智能手机内置三轴加速度传感器,采集手部运动数据,并将采集的数据进行预处理操作,构建3D手写识别数据集;然后,基于LSTM构建3D手写识别模型,并利用构建的数据集进行训练;最后,利用训练后的模型实现智能手机的3D手写分类识别.通过在本文自建的非依赖用户数据集上进行测试,实验结果表明,该识别方法可以实现86.4%的准确率,88.1%的召回率,88.4%的精准率和88.0%的F_(1)分数.

“手写”还是“键入”?书写方式影响认知学习的机制与证据

人类社会传统的纸笔手写方式具有悠久的历史和深厚的文化意义。然而,信息时代技术与教育深度融合引发的“提笔忘字”、汉字失认症以及学习者身心健康等潜在问题亟需引起重视。本研究对国内外相关文献进行内容分析,从研究方法和研究证据两方面,梳理了“手写”和“键入”两种书写方式对学习者写作、阅读、记忆和精细运动等能力产生的影响,旨在阐明书写方式与学习者认知发展的关系。研究发现,相比键盘输入和电子书写,传统纸笔手写方式更有利于学习者的认知学习。然而,在个别学习阶段及语言文化背景下,键入的方式对于学习者的学习表现有促进作用,对于书写困难学习者也有积极影响。未来可在更广泛的年龄阶段、语言背景下扩展研究,并关注新型书写技术的发展,开展多模态数据融合的学习分析,为书写工具的设计和应用提供更多实证支撑。这一研究对于教育研究者理性认识新兴技术在学习者认知学习中的作用具有重要的启示意义。

手写分析在帕金森病诊断和疾病进展监测中的作用

帕金森病(Parkinson’s disease,PD)是第二大神经退行性疾病,慢性进行性损害患者的运动功能,使其生活质量大幅下降。目前,PD的早期精确诊断面临挑战,也缺乏监测疾病进展、评估治疗疗效的生物标志物。采集并分析患者手写文字大小、速度、加速度、流畅性、压力等运动学和动力学指标有助于早期识别PD、及时监测疾病进展、评估治疗疗效。随着手写分析技术的不断发展和研究的深入,该方法有望成为PD诊治和随访中的重要辅助工具。

面向满文档案图像的手写体满文智能识别软件设计与实现

面向黑龙江省档案馆馆藏满文档案数字化平台需求,运用Pytorch、SQL Server和OpenCV,开发了面向满文档案图像的手写体满文智能识别软件。该软件具有文档分割、手写满文单词识别和存储功能。满文历史档案图像分割模块采用基于异向高斯滤波和连接组件方法实现,手写满文单词识别采用编码器-解码器的网络模型实现,该软件单词识别率达95%以上,已成功集成针对黑龙江省档案馆馆藏满文档案数字化平台建设的满文历史档案管理系统中。手写体满文智能识别技术及软件,为构建集满文档案图像采集、录入、识别、检索与分析为一体的满文档案数字化管理平台作技术支撑,为满族文化的保护和发掘提供先进的技术手段,对推进满文档案数字化和信息化等方面具有重要意义。

基于手写数字识别APP的智能快递自提柜

选题背景随着电子商务的繁荣,物流需求急剧增长,传统的人力配送方式已无法满足人们的需求。智能快递自提柜作为一种新型的物流末端配送方式,可以24小时不间断提供服务,用户可以根据自己的时间安排随时取件,从而节省了等待配送的时间。同时,对于快递公司来说,智能快递柜可以节省人力成本,提高投递效率。本项目将开发一款基于手写数字识别APP的智能快递自提柜.

媒介物何以可能:电子手写媒介的产生与意义的生产

近年来,一些配置手写笔技术的电子消费产品鼓励人们回归手写实践,传统手写与数字媒介之间的断裂存在某种打通的可能。这是在媒介研究中尚未被广泛关注的领域,提供了一个新的切入点来审视书写媒介的产生与意义生产。文章采用物质话语分析的路径关注这一全新的手写形态是如何从人机交互、手写识别等技术中走出来并形塑成媒介的,揭示电子手写媒介经历了多个发展阶段;电子手写媒介的发展与笔、墨、纸的媒介话语,以及代替与拓展的时空场景话语是一种同构关系;电子手写媒介的发展是一个媒介产生的塑形与意义生产的赋意相结合的过程。

基于单目摄像头的空中手写系统

目前基于视觉的空中手写系统主要是基于Leap Motion或Kinect等三维传感器。上述传感器体积太大且价格昂贵,不利于和手机、空调、电视等集成,于是开发了一种新的更利于应用推广的基于单目摄像头的空中手写系统。上述系统基于肤色特征从二维视频数据中检测书写手,然后利用书写手结构特点将书写手与手臂分离,通过寻找书写手轮廓到掌心的最远距离定位书写手指尖,记录连续视频帧中指尖位置形成空中手写字符轨迹,最后将字符送入高性能分类器进行识别。实验结果表明书写者可以利用上述系统自由地空中书写,实时前5识别率超过了99%。

基于门控卷积和堆叠自注意力的离线手写汉字识别算法研究

针对离线手写文本识别(HTR)在自然语言处理领域中的重要性以及其广泛应用于帮助视障用户、人机交互和自动录入等方面的实际需求,本研究提出了一个全新的模型。该模型在门控卷积网络的基础上引入了堆叠自注意力编码器–解码器,用于离线识别手写的汉字文本。由于书写风格的多样性、不同字符之间的视觉相似性、字符重叠以及原始文档中的噪音等挑战,设计准确且灵活的HTR系统具有相当大的难度,特别是当处理较为复杂、包含大量字符的文本时,算法的学习能力显得不足。为了解决这一问题,我们提出的模型包括特征提取层、编码器层和解码器层。其中,特征提取层从输入的手写图像中提取高纬度的不变特征图,而编码器和解码器层则相应地转录出文本。实验结果显示,该模型在HCTD数据集上的字符错误率(CER)为6.72,单词错误率(WER)为11.11;在HCWD数据集上的实验结果CER为6.22和WER为7.17。相对于其他研究者的模型,本文设计的模型在手写汉字识别率上提升了11%。

手写比键盘打字更能增强大脑连通性吗?

在数字化时代,键盘打字已成为人们日常交流和记录信息的主要方式。然而,相较于手写,键盘打字的优点在于快速、便捷且易于修改。但与此同时,手写是否在某些方面如增强大脑连通性上优于键盘打字,正成为人们关注的问题。

我手写我心 我心悟真情——“写读后感”习作指导

妙招一:选择写的对象。我们读一本书或者一篇文章,往往会产生很多感想,把自己的感想写下来就是读后感。写读后感时,一定要选择自己印象最深刻的那本书或者那篇文章,这样才能有话可写,写出来的文字才能打动人。

基于手机拍照的手写算式识别研究

针对移动环境下手写算式识别准确率不高、效果不理想的问题,提出了基于手机拍照的手写算式识别的解决方案。首先,对上传的图片进行二值化和自适应平滑降噪,利用边缘检测和轮廓提取技术识别字符和倾斜矫正;然后,利用几何特征,采用公式定位、字符分割、字符排布树、结构解析等识别出手写算式,并通过数据集训练,提升手写算式的识别准确率;最后,设计并实现了基于三层体系架构的手写算式识别系统。实验结果表明,所设计的系统具有较高的识别准确率和较好的识别效果,具有一定的应用价值。

贝叶斯分类器在手写数字分类识别中的应用

手写体数字识别技术是一种非常重要的技术,将带来巨大的社会效益和经济效益。但是到目前为止,对手写数字进行识别的准确率仍需要进一步提高。针对这种情况,本文提出了一种基于贝叶斯分类器的手写体数字分类识别方法,能够有效识别书写规范的数字。

韩路荣:我手写我心 书香满庭芳

沙坪坝区人大代表韩路荣拥有诸多头衔:全国妇联第十三届执委、重庆市青联委员、重庆市网络作家协会常务副主席兼秘书长、沙坪坝区新专联自由职业分会会长、沙坪坝区作协顾问、重庆盛世阅读网总经理……今年3月,她还荣获了“全国三八红旗手”称号。回望过去,在躲进书海的青春岁月里、离家奋斗的艰难日子里,阅读改变了韩路荣的人生轨迹,写作成为她认定的生活方式,让她的生命更加丰富多彩。从成为网络文学创作者,敲下第一个字至今,韩路荣已创作10余部近800万字作品。15年来,她以“我手写我心”,传播正能量、书写新时代。

“我手写我心,彩笔绘生活”读写结合教学探究——以四年级上册《爬天都峰》为例

统编版四年级上册第五单元“我手写我心,彩笔绘生活”是习作单元,本单元围绕主题编排了《麻雀》《爬天都峰》两篇精读课文和《我家的杏熟了》《小木船》两篇习作例文,本单元的习作要求是按照一定顺序写清楚一件事。在语文核心素养的教育视野下,阅读与写作的关联逐渐呈现出明确的“一体化”状态,这样的教学任务变化指向了引导学生深度阅读、真实写作和主动学习,据此,本案例基于“读写一体化”的教学目标,以《爬天都峰》为例设计了先精读、后习作的课程教学。

手写板书,教学中的美丽风景

板书是教师钻研教材后,用简明的文字、线条等形式向学生传输信息的一种教学辅助手段。好的板书是科学的教学内容与完善的教学形式相结合的杰作,能够促进学生积极思维,启迪智慧。一、板书能够增强教学感染力。板书设计体现了教师的专业素养、人格魅力以及教学风格,是教师感染教育学生的重要手段。

基于StyleGAN的手写CJK文字生成方法研究

在目前关于手写字符生成的研究中,对于多语言手写字符的生成问题关注不多,并且汉语、日语、韩语(CJK)由大量字符组成,多数字形结构复杂,生成难度大。针对这一问题,设计了一种基于StyleGAN的手写CJK文字生成方法,可以对CJK手写字符进行生成。实验结果表明,所提方法可以实现手写CJK文字生成,使用训练过的Inception-ResNet-v2网络来评价生成结果,生成结果的准确率分别达到了81.46%、74.90%、78.53%。