案例来源:@新智元 @量子位
案例地址:https://mp.weixin.qq.com/s/aqfwn0kiXbZwVDVhHXBAXQ;https://mp.weixin.qq.com/s/78GXuz6Sfi7YffSw4Rwgng;http://blog.otoro.net/2015/12/28/recurrent-net-dreams-up-fake-chinese-characters-in-vector-format-with-tensorflow/
0. 背景:google公开了一个让神经网络和你一起写汉字的demo“Kanji-RNN”,你写入汉字的前几画,神经网络补全成一个完成的“汉字”。
demo地址:http://otoro.net/kanji-rnn/
1. 目标:让神经网络学会“汉字”的书写
1)这里的汉字不一定是真实存在的,看起来像汉字就行
2)目前写法比较粗糙,但如果能达到人类写汉字的水平(字体、顿笔等),就能进行汉字字体的开发(汉字字体开发成本极高,一般需要一个团队2年的时间,因此中文字体较少)
2. 过程
1)输入数据是真实汉字按照笔画数据的:笔画、x轴偏移量、y轴偏移量、是否落在纸上(连笔或者非连笔)
2)分类器采用谷歌涂鸦的sketch-rnn框架,sketch-rnn使用混合高斯分布来估算下一笔的位移。这个用来生成笔迹的方法叫做混合密度网络
3)对汉字写完的概率进行建模,也即结束字符“end-of-char”概率:模型的softmax层计算每一画落笔、笔画结束、字符结束的概率,当字符结束时前两者也结束。
3. 效果