近日，团队成员本科生麦艮廷、黄嘉琳、陈禧琳、佘依聪同学在潘家辉老师和梁艳老师的指导下，在中文核心期刊《计算机系统应用》发表研究论文《基于改进DenseNet网络的书法字体识别算法》。《计算机系统应用》是中国科技核心（统计源）期刊，入选中国核心期刊(遴选)数据库，被中国计算机学会(CCF)《CCF推荐中文科技期刊目录》列为优秀期刊(C类)。

汉字书法是中华传统文化的代表，但是，由于书法字体具有风格迥异、结构复杂、变形繁多等特点，给大众学习和欣赏书法带来了极大障碍。为了解决普通老百姓解读书法作品的困难，本文提出一种基于改进DenseNet网络的书法字体识别算法，设计区域权值比例池化规则替换传统DenseNet网络的最大池化和平均池化规则，采用Nadam算法优化模型训练效果，进行自适应学习率调整。此外，提出基于剪枝技术的模型裁剪策略，在保证识别性能的同时，提高了模型的训练效率。实验结果表明,，在由楷书、行书、隶书和篆书4类字体组成的混合字体数据集中，本文算法获得了96.13%的识别率，优于另外5种深度学习模型。

文章网络首发地址：http://www.c-s-a.org.cn/html/2022/2/8326.htm