标题：基于轻量化神经网络的快速汉字笔画分类模型
作者：何少聪 梁梓熙
作者单位：广东工业大学自动化学院，广东 广州 510006
关键字：汉字笔画分类；轻量化；卷积神经网络；嵌入式设备
摘要：在汉字书写场景中，我们可以通过实时捕捉手写者的手写轨迹数据，并可以通过笔画类型、空间关系等构字要素逻辑地位等评价策略，实现汉字书写质量智能测评，以达到指导学习书写的目的。其中笔画分类是手写字体评估中的重要任务。然而，现有笔画级标注的汉字数据集很少，并缺少轻量化并可以应用于嵌入式设备的笔画分类方案，难以工程化落地。在不同设备上采集用户的手写笔画数据（如会议平板、电子白板、学习机等），并使用特征工程，采用一维深度可分离卷积构建轻量化的快速汉字笔画分类模型，并把模型进行量化部署到嵌入式设备中。模型量化后的tflite格式文件大小仅为11kb，而在数据集上达到了97%的精确度。把量化后的模型部署到嵌入式设备中并进行了商业化上线。