王舒　馮俊青

【摘 要】當(dāng)下，書法教育已經(jīng)成為中小學(xué)教育的重要環(huán)節(jié)，而書法教育評(píng)價(jià)體系還不太完善?，F(xiàn)在主要運(yùn)用兩種評(píng)價(jià)方式：一是按照一定的鑒賞標(biāo)準(zhǔn)來設(shè)計(jì)評(píng)分要點(diǎn)，由評(píng)閱專家進(jìn)行主觀評(píng)分，但是由于不同專家的個(gè)人喜好、審美有所不同，所以很難解決公平、公正的問題;二是采用德爾菲法進(jìn)行評(píng)價(jià)，其大致流程是在對(duì)所要預(yù)測的問題征求專家意見之后，進(jìn)行整理、歸納、統(tǒng)計(jì)，再匿名反饋給各專家，再次征求意見，再集中，再反饋，直至得到一致的意見。目前，深度學(xué)習(xí)在文字識(shí)別領(lǐng)域已經(jīng)取得了很大的突破，并得到了廣泛的應(yīng)用，而深度學(xué)習(xí)在中小學(xué)書法評(píng)價(jià)體系中的應(yīng)用還需教育科研人員進(jìn)一步探索實(shí)踐。

【關(guān)鍵詞】書法評(píng)價(jià);深度學(xué)習(xí);數(shù)據(jù)集

【中圖分類號(hào)】G471? 【文獻(xiàn)標(biāo)志碼】B? 【文章編號(hào)】1005-6009（2021）30-0014-03

【作者簡介】1.王舒，江蘇省鹽城市日月路小學(xué)（江蘇鹽城，224005）教師，二級(jí)教師，江蘇省書法優(yōu)質(zhì)課比賽特等獎(jiǎng)獲得者;2.馮俊青，鹽城工學(xué)院（江蘇鹽城，224005）講師，江蘇省“六大人才高峰”高層次人才培養(yǎng)對(duì)象。

一、可行性分析

從藝術(shù)鑒賞的角度審視，書法屬于藝術(shù)作品，人們對(duì)藝術(shù)作品的評(píng)價(jià)是主觀的，不適合利用一個(gè)模型給一個(gè)作品貼標(biāo)簽說它是好或不好。對(duì)于一件藝術(shù)作品，我們或許昨天看它不順眼，但說不定過些天換種心情再去欣賞它，就越看越喜歡了。從這個(gè)角度來講，任何以人的主觀意識(shí)對(duì)書法的評(píng)價(jià)都是具有不確定性的。

但是從技術(shù)上講，借助機(jī)器用深度學(xué)習(xí)進(jìn)行書法評(píng)價(jià)是可行的。例如，從判定書法的筆法和布局優(yōu)劣來說，機(jī)器的深度學(xué)習(xí)功能可以給出確定的結(jié)果，沒有什么不確定性的特征。

二、實(shí)現(xiàn)方法

目前云服務(wù)功能強(qiáng)大，機(jī)器的深度學(xué)習(xí)功能的具體實(shí)現(xiàn)方法可以采用阿里云機(jī)器學(xué)習(xí)平臺(tái)PAI（如下頁圖1）搭建基于機(jī)器學(xué)習(xí)的書法評(píng)分體系，將采集的書法圖片和教師的打分上傳至在阿里云建立的專用數(shù)據(jù)集，選用適合的模型進(jìn)行訓(xùn)練，將書法作品的結(jié)構(gòu)、書寫、章法三個(gè)方面，各項(xiàng)按10分的標(biāo)準(zhǔn)評(píng)分，再將得到的三個(gè)分?jǐn)?shù)加權(quán)綜合評(píng)分，給出最終評(píng)分結(jié)果。這樣的書法評(píng)分系統(tǒng)很好地解決了公平公正和評(píng)判速度等問題。

阿里云機(jī)器操作平臺(tái)在中小學(xué)書法評(píng)價(jià)系統(tǒng)中的應(yīng)用：

1.首先按照阿里云深度學(xué)習(xí)的介紹進(jìn)行相關(guān)服務(wù)的開通和充值。

這個(gè)文檔中有TensorFlow做圖像分類的案例，只是應(yīng)用到具體模型中還存在著一些問題。

2.注冊專用數(shù)據(jù)集calligraphy。

a.登錄PAI控制臺(tái)。

b.在PAI控制臺(tái)首頁，選擇數(shù)據(jù)準(zhǔn)備，再選擇數(shù)據(jù)集管理。

c.在數(shù)據(jù)集管理頁面，單擊注冊數(shù)據(jù)集（如圖2）。

3.電腦和阿里云端配置過程如下：

確保電腦有Python 3.5及以上的版本。（TensorFlow從1.2開始支持 Python3.6，之前的版本官方是不支持的。（如圖3]

4.在阿里云端購買機(jī)器學(xué)習(xí)相關(guān)產(chǎn)品。

因?yàn)槊恳患ㄗ髌芬呀?jīng)有一個(gè)人工分值，所以本系統(tǒng)采用有監(jiān)督機(jī)器學(xué)習(xí)。每個(gè)樣本都有對(duì)應(yīng)的期望值，通過搭建模型，實(shí)現(xiàn)從輸入特征向量到目標(biāo)值的映射。

5.TensorFlow訓(xùn)練具體操作過程如下：

系統(tǒng)使用阿里云服務(wù)器的自建calligraphy數(shù)據(jù)集，該數(shù)據(jù)集包含3萬張彩色圖片，共6個(gè)類別，分別為小學(xué)六個(gè)年級(jí)的硬筆書法作品，如圖4、5和下頁圖6。

[圖5 原始采集硬筆書法照片（部分）]

使用過程中將該數(shù)據(jù)集拆分為訓(xùn)練數(shù)據(jù)集（2萬張圖片）和預(yù)測數(shù)據(jù)集（1萬張圖片）。其中5萬張圖片的訓(xùn)練數(shù)據(jù)集又被拆分為5個(gè)data_batch，1萬張圖片的預(yù)測數(shù)據(jù)集組成test_batch，如下頁圖7所示。

6.使用TensorFlow實(shí)現(xiàn)書法打分。

登錄PAI控制臺(tái)。在左側(cè)導(dǎo)航欄選擇模型開發(fā)和訓(xùn)練，再選擇Studio-可視化建模。在PAI可視化建模頁面，進(jìn)入機(jī)器學(xué)習(xí)。系統(tǒng)根據(jù)預(yù)置的模板，自動(dòng)構(gòu)建實(shí)驗(yàn)，如圖8所示。

在上傳任意書法作品后，系統(tǒng)可以實(shí)現(xiàn)自動(dòng)打分，如文末圖9所示。

本文梳理的這種不依賴于標(biāo)準(zhǔn)模板的機(jī)器學(xué)習(xí)書法評(píng)價(jià)系統(tǒng)的實(shí)現(xiàn)方法，有很高的實(shí)用價(jià)值。但是由于系統(tǒng)采用有監(jiān)督機(jī)器學(xué)習(xí)，每個(gè)樣本都有對(duì)應(yīng)的期望值，而樣本總數(shù)還不夠多，算法還不夠完美，所以目前機(jī)器學(xué)習(xí)系統(tǒng)打出來的分?jǐn)?shù)還不夠準(zhǔn)確，需要進(jìn)一步增加樣本，改進(jìn)算法模型和訓(xùn)練過程，來取得更好的效果。

【參考文獻(xiàn)】

[1]尹成娟. 基于深度學(xué)習(xí)的手寫漢字集識(shí)別方法的研究[D].天津：天津科技大學(xué)，2019.

[2]邵榮堂. 基于機(jī)器學(xué)習(xí)的書法字識(shí)別與智能評(píng)判[D].武漢：湖北工業(yè)大學(xué)，2020.

[3]溫佩芝，姚航，沈嘉煒.基于卷積神經(jīng)網(wǎng)絡(luò)的石刻書法字識(shí)別方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2018，39（3）：867-872.

[4]汪瀟，章夏芬，韓德志.基于視覺特征的書法風(fēng)格識(shí)別[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2016（21）：39-46.

[5]戴瓊，周明全，付倩.小篆文字的自動(dòng)識(shí)別[J].計(jì)算機(jī)技術(shù)與發(fā)展，2016，26（3）：1-4.

[6]王民，曾寶瑩，要趁紅，等.中國書法的特征提取及識(shí)別[J].信息通信，2015（7）：19-20.

[7]郭鵬. 深度卷積神經(jīng)網(wǎng)絡(luò)及其在手寫體漢字識(shí)別中的應(yīng)用研究[D].成都：四川師范大學(xué)，2016.