计算机视觉ch8 基于LeNet的手写字体识别

文章目录

原理
LeNet的简单介绍
Minist数据集的特点
Python代码实现

原理

卷积神经网络参考：https://www.cnblogs.com/chensheng-zhou/p/6380738.html
LeNet神经网络参考：https://my.oschina.net/u/876354/blog/1632862

LeNet的简单介绍

LeNet是一个最典型的卷积神经网络，由卷积层、池化层、全连接层组成。其中卷积层与池化层配合，组成多个卷积组，逐层提取特征，最终通过若干个全连接层完成分类，其结构如下图。

Minist数据集的特点

MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据

Python代码实现

手写字体识别

# coding:utf8
import os
import cv2
import numpy as np
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_datasess = tf.InteractiveSession()def getTrain():trai n =[[] ,[]] # 指定训练集的格式，一维为输入数据，一维为其标签# 读取所有训练图像，作为训练集train_roo t ="mnist_train"labels = os.listdir(train_root)for label in labels:imgpaths = os.listdir(os.path.join(train_root ,label))for imgname in imgpaths:img = cv2.imread(os.path.join(train_root ,label ,imgname) ,0)array = np.array(img).flatten() # 将二维图像平铺为一维图像arra y =MaxMinNormalization(array)train[0].append(array)label_ = [0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0]label_[int(label)] = 1train[1].append(label_)train = shuff(train)return traindef getTest():tes t =[[] ,[]] # 指定训练集的格式，一维为输入数据，一维为其标签# 读取所有训练图像，作为训练集test_roo t ="mnist_test"labels = os.listdir(test_root)for label in labels:imgpaths = os.listdir(os.path.join(test_root ,label))for imgname in imgpaths:img = cv2.imread(os.path.join(test_root ,label ,imgname) ,0)array = np.array(img).flatten() # 将二维图像平铺为一维图像arra y =MaxMinNormalization(array)test[0].append(array)label_ = [0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0]label_[int(label)] = 1test[1].append(label_)test = shuff(test)return test[0] ,test[1]def shuff(data):tem p =[]for i in range(len(data[0])):temp.append([data[0][i] ,data[1][i]])import randomrandom.shuffle(temp)dat a =[[] ,[]]for tt in temp:data[0].append(tt[0])data[1].append(tt[1])return data
count = 0def getBatchNum(batch_size ,maxNum):global countif count = =0:coun t =coun t +batch_sizereturn 0 ,min(batch_size ,maxNum)else:temp = countcoun t =coun t +batch_sizeif min(count ,maxNum )= =maxNum:coun t =0return getBatchNum(batch_size ,maxNum)return temp ,min(count ,maxNum)def MaxMinNormalization(x):x = (x - np.min(x)) / (np.max(x) - np.min(x))return x# 1、权重初始化,偏置初始化
def weight_variable(shape):initial = tf.truncated_normal(shape ,stddev=0.1  )  # 正太分布的标准差设为0.1return tf.Variable(initial)def bias_variable(shape):initial = tf.constant(0.1 ,shape=shape)return tf.Variable(initial)# 2、卷积层和池化层也是接下来要重复使用的，因此也为它们定义创建函数
def conv2d(x, w):return tf.nn.conv2d(x, w, strides=[1 ,1 ,1 ,1] ,padding='SAME') # 保证输出和输入是同样大小
def max_pool_2x2(x):return tf.nn.max_pool(x, ksize=[1 ,2 ,2 ,1], strides=[1 ,2 ,2 ,1] ,padding='SAME')iterNum = 1000
batch_siz e =1024
print("load train dataset.")
trai n =getTrain()
print("load test dataset.")
test0 ,test 1 =getTest()# 3、参数
x = tf.placeholder(tf.float32, [None ,784], name="x-input")
y_ = tf.placeholder(tf.float32 ,[None ,10]) # 10列# 4、第一层卷积，它由一个卷积接一个max pooling完成
w_conv1 = weight_variable([5 ,5 ,1 ,32])
b_conv1 = bias_variable([32]) # 每个输出通道都有一个对应的偏置量
x_image = tf.reshape(x ,[-1 ,28 ,28 ,1])
h_conv1 = tf.nn.relu(conv2d(x_image, w_conv1) + b_conv1) # 使用conv2d函数进行卷积操作，非线性处理
h_pool1 = max_pool_2x2(h_conv1)                          # 对卷积的输出结果进行池化操作# 5、第二个和第一个一样，是为了构建一个更深的网络，把几个类似的堆叠起来
w_conv2 = weight_variable([5 ,5 ,32 ,64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, w_conv2) + b_conv2  )# 输入的是第一层池化的结果
h_pool2 = max_pool_2x2(h_conv2)# 6、密集连接层
# 把池化层输出的张量reshape(此函数可以重新调整矩阵的行、列、维数)成一些向量，加上偏置，然后对其使用Relu激活函数
w_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1 ,7 * 7 * 64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, w_fc1) + b_fc1)# 7、使用dropout，防止过度拟合
keep_prob = tf.placeholder(tf.float32, name="keep_prob"  )# placeholder是占位符
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)# 8、输出层，最后添加一个softmax层
w_fc2 = weight_variable([1024 ,10])
b_fc2 = bias_variable([10])
y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, w_fc2) + b_fc2, name="y-pred")# 9、训练和评估模型
# 参数keep_prob控制dropout比例，然后每100次迭代输出一次日志
cross_entropy = tf.reduce_sum(-tf.reduce_sum(y_ * tf.log(y_conv) ,reduction_indices=[1]))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)# 预测结果与真实值的一致性，这里产生的是一个bool型的向量
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))# 将bool型转换成float型，然后求平均值，即正确的比例
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))# 初始化所有变量，在2017年3月2号以后,用 tf.global_variables_initializer()替代tf.initialize_all_variables()
sess.run(tf.initialize_all_variables())# 保存最后一个模型
saver = tf.train.Saver(max_to_keep=1)for i in range(iterNum):for j in range(int(len(train[1] ) /batch_size)):imagesNu m =getBatchNum(batch_size ,len(train[1]))batch = [train[0][imagesNum[0]:imagesNum[1]] ,train[1][imagesNum[0]:imagesNum[1]]]train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})if i % 2 == 0:train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1] ,keep_prob: 1.0})print("Step %d ,training accuracy %g" % (i, train_accuracy))
print("test accuracy %f " % accuracy.eval(feed_dict={x: test0, y_ :test1, keep_prob: 1.0}))# 保存模型于文件夹
saver.save(sess ,"save/model")

数据可视化

import tensorflow as tf
import numpy as np
import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk
from tkinter import filedialogdef creat_windows():win = tk.Tk() # 创建窗口sw = win.winfo_screenwidth()sh = win.winfo_screenheight()ww, wh = 400, 450x, y = (s w -ww ) /2, (s h -wh ) /2win.geometry("%dx%d+%d+%d " %(ww, wh, x, y- 40))  # 居中放置窗口win.title('手写体识别')  # 窗口命名bg1_open = Image.open("timg.jpg").resize((300, 300))bg1 = ImageTk.PhotoImage(bg1_open)canvas = tk.Label(win, image=bg1)canvas.pack()var = tk.StringVar()  # 创建变量文字var.set('')tk.Label(win, textvariable=var, bg='#C1FFC1', font=('宋体', 21), width=20, height=2).pack()tk.Button(win, text='选择图片', width=20, height=2, bg='#FF8C00', command=lambda: main(var, canvas),font=('圆体', 10)).pack()win.mainloop()def main(var, canvas):file_path = filedialog.askopenfilename()bg1_open = Image.open(file_path).resize((28, 28))pic = np.array(bg1_open).reshape(784, )bg1_resize = bg1_open.resize((300, 300))bg1 = ImageTk.PhotoImage(bg1_resize)canvas.configure(image=bg1)canvas.image = bg1init = tf.global_variables_initializer()with tf.Session() as sess:sess.run(init)saver = tf.train.import_meta_graph('save/model.meta')  # 载入模型结构saver.restore(sess, 'save/model')  # 载入模型参数graph = tf.get_default_graph()  # 加载计算图x = graph.get_tensor_by_name("x-input:0")  # 从模型中读取占位符变量keep_prob = graph.get_tensor_by_name("keep_prob:0")y_conv = graph.get_tensor_by_name("y-pred:0")  # 关键的一句  从模型中读取占位符变量prediction = tf.argmax(y_conv, 1)predint = prediction.eval(feed_dict={x: [pic], keep_prob: 1.0}, session=sess)  # feed_dict输入数据给placeholder占位符answer = str(predint[0])var.set("预测的结果是：" + answer)
if __name__ == "__main__":creat_windows()

结果

总结

学习率会影响模型的好坏，对于Mnist手写体的识别中，学习率控制在0.01~0.05中最佳。对数据集的正确率可以达到99%
测试图片中数字的粗细也会对识别结果造成影响，如果图片中数字太细，在resize和不断的池化的过程中，有些比较关键的特征就会丢失，导致最后的识别错误。
在数字形态有残缺的情况下，残缺较少且数字较正，预测结果准确度高，而残缺的面积较大，则容易造成预测错误
在数字镜像翻转的情况下，一般都能够预测出正确结果，也要根据数字的具体的形态来预测
在有额外干扰的情况下，如“7”和“4”或者其他数字，都能够识别出正确结果
在不规则形态下的数字，这个要根据具体训练集是否包含足够多的形态数据，而且数字图片卷积后的结果直接影响到预测结果

计算机视觉ch8 基于LeNet的手写字体识别相关推荐

《MATLAB 神经网络43个案例分析》：第19章基于SVM的手写字体识别
<MATLAB 神经网络43个案例分析>:第19章基于SVM的手写字体识别 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB 神经网络43个案例分析 ...
基于kNN的手写字体识别——《机器学习实战》笔记
看完一节<机器学习实战>,算是踏入ML的大门了吧!这里就详细讲一下一个demo:使用kNN算法实现手写字体的简单识别 kNN 先简单介绍一下kNN,就是所谓的K-近邻算法: [作用原理]: ...
matlab基于SVM的手写字体识别,机器学习SVM--基于手写字体识别
每一行代表一个手写字体图像,最大值为16,大小64,然后最后一列为该图片的标签值. import numpy as np from sklearn import svm import matplotl ...
AI基础：KNN与K近邻距离度量说明、利用KNN手写字体识别分类实践
KNN k近邻文章目录 KNN算法 K近邻中近邻的距离度量欧式距离标准化欧式距离曼哈顿距离汉明距离夹角余弦杰卡德相似系数皮尔逊系数切比雪夫距离闵可夫斯基距离马氏距离巴氏距离各 ...
基于Python神经网络的手写字体识别
本文将分享实现手写字体识别的神经网络实现,代码中有详细注释以及我自己的一些体会,希望能帮助到大家 (≧∇≦)/ ############################################ ...
基于LeNet5的手写数字识别，在ModelArts和GPU上复现
基于LeNet5的手写数字识别实验介绍 LeNet5 + MNIST被誉为深度学习领域的"Hello world".本实验主要介绍使用MindSpore在MNIST手写数字数据集 ...
深度学习，实现手写字体识别（大数据人工智能公司）
手写字体识别是指给定一系列的手写字体图片以及对应的标签,构建模型进行学习,目标是对于一张新的手写字体图片能够自动识别出对应的文字或数字.通过深度学习构建普通神经网络和卷积神经网络,处理手写字体数据.通 ...
OCR字符识别，支持手写字体识别，中英文识别
OCR字符识别,支持手写字体识别,中英文识别,基于深度学习,轻量级网络,检测进度高,支持python开发编号:4199652712767280盐市口会玩的川乌
pytorch CNN手写字体识别
## """CNN手写字体识别"""import torch import torch.nn as nn from torch.autogr ...