基于Swin Transformer和CNN的漢字書法教學(xué)系統(tǒng)

打開文本圖片集

摘要：

針對(duì)日益增長(zhǎng)的漢字書法學(xué)習(xí)需求，將滑動(dòng)窗口自注意力（Swin Transformer，ST）模型和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）模型相結(jié)合，提出手寫體漢字識(shí)別ST-CNN模型，進(jìn)而開發(fā)了漢字書法教學(xué)系統(tǒng)。實(shí)測(cè)結(jié)果表明，ST-CNN模型識(shí)別準(zhǔn)確率約為91.6%，較傳統(tǒng)的ST模型提升了約0.5個(gè)百分點(diǎn)，較傳統(tǒng)的CNN模型與ST模型，在收斂速度上分別提升了約10和30個(gè)百分點(diǎn)，開發(fā)的漢字書法教學(xué)系統(tǒng)性能良好。（剩余11216字）