李镇宇，战国栋

(1.大连民族大学 计算机科学与工程学院，辽宁 大连 116650;2.大连市计算机字库设计技术创新中心，辽宁 大连 116605)

汉字是中华民族的重要文化特征，也是文化传播和交流的重要载体，将汉字以图片的形式保存后，在面对成千上万的汉字图片想要对其按照结构分类时，很多问题就出现了。如果使用人工对汉字图片分类，首先要识别几万汉字，然后按照结构对其分类，即分类的结构分别是半包围结构、单一结构、品字结构、嵌套结构、全包围结构、上下结构、上中下结构、左右结构、左中右结构9种结构[1]，人工分类必然存在主观分类误差.有很多汉字看似是上下结构，当使用字典查询时实则是嵌套结构、还可能存在的问题是分类效率低和分类时间长等问题。而传统的数字图形图像学知识处理面对汉字复杂的结构，很难处理此类问题。近几年随着生产力的发展，计算机性能也在不断提升，人工神经网络[2]在很多已经领域得到了广泛的应用。目前处理图像分类主要采用深度学习的方法，人工智能技术在图像分类方面具有无法超越的效率和准确率的优势。深度学习主要通过卷积神经网络利用滤波器矩阵对图像进行特征提取，需要大量已标注数据集来理解数据中的潜在联系。但是汉字的数量是有限的，常用的3 000个汉字[3]则已经可以覆盖99%的书面资料。因此面对数据量少的这个问题，迁移学习是图片汉字结构分类的一个重要的分类方法，同时本文也搭建了两层卷积层的卷积神经网络卷积神经网络模型，与迁移学习的模型进行对比。……