第三章 視覺元素特徵擷取
4.4 書法作品評估學習
0 0.015 0.03 0.045 0.06 0.075 0.09 0.105 0.12 0.135 次
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
由表 4.11 可發現使用我們所提出的特徵能夠良好的辨識三個級別與五個級 別的書法作品。雖然辨識結果佳，但在辨識普通級別時效果不甚理想，於是我們 使用 SVM 訓練出的模型，得出測試樣本可能屬於各個級別的機率分配，探究普 通級別辨識率不佳的原因。
(a) (b) (c) (d) 11 (e) 1
(f) (g) (h) (i)
圖 4.19 其中 9 幅由我們蒐集到的書法作品，受測者評分與 SVM 辨識結果分別 記錄在表 4.12。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
人工給予的評分結果，而且原本被認定為不佳的作品，由美感分數表示之後更能 反映被歸為同一級別作品間的實力差距。
本論文所提出的特徵之 SVM 辨識結果良好，由美感分數來呈現預測結果亦 對作品有良好的詮釋。我們相信未來若增加書法樣本、均勻分配各個等級的作品，
並且多加尋求專家的意見，書法作品評估的辨識率會更上層樓。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五章 結論與未來方向
本研究提出了 6 種評估整體書法作品美感的方法，包含排版工整度、字距掌 握度、文字偏移程度、文字書寫大小穩定度、筆畫風格一致程度和筆畫平滑程度，
並且個別測量上述特徵與平衡度是否能有效評估 100 件書法作品的美感程度。我 們發現大部分特徵的測量結果能確實反映真實創作過程以及鑑賞時所注重的美 感因素，例如：行的排版比列的排版還要準確描述各級別作品的美觀程度，反映 鑑賞時「行」表現之重要性；文字大小穩定度的量化值接近人眼觀看文字忽大忽 小的感受；筆畫較無變化的作品較不符合楷書的審美觀等等。
本研究所提出與結構相關之特徵，同樣適用於篆書和隸書之布局井然有序的 審美觀。然而，筆畫風格一致程度特徵之評估對象僅限楷書有效，若風格偏行楷 的書法字，比起規矩的楷書將有更多寬度被高估的筆畫。
除了各特徵的檢測以外，我們亦使用 SVM 以 8 維特徵訓練辨識整幅書法作 品美感的模型，我們的模型無論是三分法還是五分法，辨識結果皆良好。未來若 蒐集更多不同級別的作品，使得作品的美觀程度分布能更均勻，或許能再提升辨 識率。此外，未來應多加參考書法專家意見，作為設計新美感程度特徵之靈感來 源，並且將其意見列入樣本標籤的訂定行列。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本研究有別於前人研究，我們致力於整幅書法作品之美感評估，未來可嘗試 結合更多已發展的個別字評估特徵，以提升辨識率。此外，搭配使用深度學習機 制，解決美感評估問題，期盼機器輔助中文書法美感評估的應用更加廣泛。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參考文獻
[1] 李賢輝，「視覺素養學習網」，http://vr.theatre.ntu.edu.tw/fineart/。
[2] 房弘毅，「黃自元間架結構摘要九十二法」，中國書店，2005。
[3] 蔡元培，「蔡元培文集（卷二）．教育上」，錦繡出版社，台北市，民國 84 年。
[4] 梁啟超，「飲冰室專集（五）．作文教學法．書法指導」，中華書局，台北市，
未標出版年。
[5] 簡月娟，「書法美學研究方法論的省思」，興大中文學報第 18 期，民國 95 年 1 月，頁 213-232。
[6] Pak-keung Lai and Dit-yan Yeung, “Chinese glyph generation using character composition and beauty evaluation metrics”, Proceedings of the 1995
International Conference on Computer Processing of Oriental Languages,
pp.92-99, 1995.
[7] 張炘中，「漢字識別技術」，清華大學出版社，1992。
[8] 房弘毅，「歐陽詢三十六法八訣」，中國書店，2005。
[9] Dan Cires¸an and Jurgen Schmidhuber, “Multi-column deep neural networks for offline Handwritten Chinese character classification”, Technical Report, Aug 2013.
[10] Yanwei Wang, Xin Li, Changsong Liu, Xiaoqing Ding and Youxin Chen, “An MQDF-CNN Hybrid Model for Offline Handwritten Chinese Character
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
[11] S.H. Xu, FCM Lau and Y. Pan, “A preliminary attempt at evaluating the beauty of Chinese calligraphy”, A Computational Approach to Digital Chinese Painting
and Calligraphy, pp.253-284, 2009.
[12] Rongju Sun, Zhouhui Lian, Yingmin Tang and Jianguo Xiao, “Aesthetic Visual Quality Evaluation of Chinese Handwritings”, Proceedings of the Twenty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2015).
[13] Jinjun Wang, Jianchao Yang, Kai Yu,Fengjun Lv, Thomas Huang, and Yihong Gong, “Locality-constrained linear coding for image classification”, Computer
Vision and Pattern Recognition (CVPR), pp.3360–3367, 2010.
[14] A Wilsona and A Chatterjee, “The assessment of preference for balance:
Introducing a new test”, Empirical Studies of the Arts, vol. 23, pp.165-180, 2005.
[15] Gershoni S and Hochstein S, “Measuring pictorial balance perception at first glance using Japanese calligraphy”, i-Perception, vol. 2 Issue 6, pp.508-527, 2011.
[16] Boris Epshtein, Eyal Ofek, and Yonatan Wexler, “Detecting text in natural scenes with stroke width transform”, CVPR, pp.2963-2970, 2010.
[17] 陳仕侗，「筆歌墨舞-書法欣賞」，
http://tmw3.tmps.tp.edu.tw/100501/%E7%AD%86%E6%AD%8C%E5%A2%A 8%E8%88%9E/%E6%9B%B8%E6%B3%95%E6%AC%A3%E8%B3%9E.htm [18]「數位化的藝術廊道」，http://ndap.wzu.edu.tw/index.html。