Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图

前言
一、案例要求
二、训练数据准备
- 1.下载手写英文字母数据集
- 2.构建自己的数据集
三、AlexNet实现
- 1.AlexNet简介
- 2. AlexNet模型代码
- 3.AlexNet训练代码
- 4.AlexNet对任意手写字母图片的预测
四、PyQt鼠标手绘字母界面
- 1.PyQt界面代码
- 2. 效果图
五、总结
参考文献

前言

很快就要到计算机应用技术的DDL了，大部分同学应该都确定了开发工具，在编写代码的路上了吧。这里就给还有没实现的或者缺少想法的同学提供一些指引。希望看过这个篇文章的你能有所收获。值得一提的是，借鉴固然是好的，但是不要无脑照搬，希望你能写出有自己风格特色的代码。

一、案例要求

目标：实现一个简单的卷积神经网络，并测试运行简单的手写英文字母识别。
实现要求：使用Tensorflow或者Pytorch，编写LeNet5，或更复杂的卷积神经网络代码，下载一个手写英文字母数据集并训练，最终能实现手写英文字母的识别。
初步分析：1、在TensorFlow和Pytorch的选择上，我选择了Pytorch。原因如下，TensorFlow是谷歌推出的深度学习框架，Pytorch则是Facebook推出的，前者先于后者，这也就导致实际生产中TensorFlow的使用居多，Pytorch则是在实验室科研方面的使用居多，并且前者是属于静态的，后者是动态的，静态就意味着TensorFlow需要实现定义TensorFlow专有的数据类型变量，这就导致使用方面比不上Pytorch的方便易上手学习成本低的优势。
2、题目说明用LeNet，而本人选择AlexNet，原因很简单，就是AlexNet的知名度和它带给深度学习领域的贡献最为突出深远。

二、训练数据准备

1.下载手写英文字母数据集

工欲善其事必先利其器，准备好数据集就是第一步，数据集的好坏也会直接影响训练结果。
The Chars74K dataset
这是网上能查到比较靠谱的数据集下载网站了，进入网站后是这样，往下滑到Download选择EnglishHnd.tgz就可以了。

在windows下要对tgz解压两次，然后就可以看到里面有52个大小写英文和10个数字的数据集了，即62个文件夹，一个文件夹下55张png图片。

2.构建自己的数据集

由于只需要训练识别英文字母，选择其中的Sample011到Sample062复制到任意目录下

这里我对数据集进行了规整，由于英文字母里有些字母大小写及其相近，比如S和s、Y和y、O和o、P和p，我就规整成到同一个文件夹里了，为了提高最后的识别精度。并且我通过脚本对文件夹重新命名，更具辨识度，如果需要这份数据集，可以到我的博客下载资源处白嫖。

三、AlexNet实现

1.AlexNet简介

AlexNet网络结构是Hinton和他的学生Alex Krizhevsky在2012年ImageNet挑战赛上使用的模型结构，刷新了Image分类的记录，从此深度学习在Image这块开始一次次超过当前最好结果，甚至可以打败人类。AlexNet可以说是具有历史意义的一个网络结构，在AlexNet之前，深度学习已经沉寂了很久。历史的转折在2012年到来，AlexNet在当年的ImageNet图像分类竞赛中，Top-5错误率是比上一年的冠军下降了十个百分点，而且远超当年的亚军。
AlexNet之所以能够成功，深度学习之所以能够重回历史舞台，原因在于如下几方面：
1.非线性激活函数：ReLU（Rectified Linear Unit，校正线性单元），即f(x)=max(0,x)
2.防止过拟合的方法：Dropout，Data augmentation
3.大数据训练：百万级ImageNet图像数据
4.其他：GPU实现，LRN归一化层的使用。

2. AlexNet模型代码

model.py

import torch.nn as nn
import torchclass AlexNet(nn.Module):def __init__(self, num_classes=1000, init_weights=False):super(AlexNet, self).__init__()self.features = nn.Sequential(  # 打包nn.Conv2d(3, 48, kernel_size=11, stride=4, padding=2),  # input[3, 224, 224]  output[48, 55, 55] 自动舍去小数点后nn.ReLU(inplace=True),  # inplace 可以载入更大模型nn.MaxPool2d(kernel_size=3, stride=2),  # output[48, 27, 27] kernel_num为原论文一半nn.Conv2d(48, 128, kernel_size=5, padding=2),  # output[128, 27, 27]nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),  # output[128, 13, 13]nn.Conv2d(128, 192, kernel_size=3, padding=1),  # output[192, 13, 13]nn.ReLU(inplace=True),nn.Conv2d(192, 192, kernel_size=3, padding=1),  # output[192, 13, 13]nn.ReLU(inplace=True),nn.Conv2d(192, 128, kernel_size=3, padding=1),  # output[128, 13, 13]nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),  # output[128, 6, 6])self.classifier = nn.Sequential(nn.Dropout(p=0.5),# 全链接nn.Linear(128 * 6 * 6, 2048),nn.ReLU(inplace=True),nn.Dropout(p=0.5),nn.Linear(2048, 2048),nn.ReLU(inplace=True),nn.Linear(2048, num_classes),)if init_weights:self._initialize_weights()def forward(self, x):x = self.features(x)x = torch.flatten(x, start_dim=1)  # 展平或者view()x = self.classifier(x)return xdef _initialize_weights(self):for m in self.modules():if isinstance(m, nn.Conv2d):nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')  # 何教授方法if m.bias is not None:nn.init.constant_(m.bias, 0)elif isinstance(m, nn.Linear):nn.init.normal_(m.weight, 0, 0.01)  # 正态分布赋值nn.init.constant_(m.bias, 0)

3.AlexNet训练代码

train.py

import torch
import torch.nn as nn
from torch.utils.data import DataLoader
from torchvision import transforms, datasets
import torch.optim as optim
from model import AlexNet
import os
import time# device : GPU or CPU
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)# 数据转换
data_transform = {"train": transforms.Compose([transforms.RandomResizedCrop(224),  # 随机裁剪transforms.RandomHorizontalFlip(),  # 随机反转transforms.ToTensor(),  # 张量转换transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]),  # 初始化"val": transforms.Compose([transforms.Resize((224, 224)),  # 必须是(224, 224)transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])}data_root = os.getcwd()  # 获取数据集根目录
image_path = data_root + "/minDataset/"  # 训练数据集目录
train_dataset = datasets.ImageFolder(root=image_path,transform=data_transform["train"])print("训练数据集大小:", train_dataset)batch_size = 50
train_loader = DataLoader(train_dataset,  # 加载训练集数据batch_size=batch_size, shuffle=True,num_workers=0)validate_dataset = datasets.ImageFolder(root=image_path,transform=data_transform["val"])
val_num = len(validate_dataset)
validate_loader = DataLoader(validate_dataset,  # 加载验证集数据batch_size=batch_size, shuffle=True,num_workers=0)test_data_iter = iter(validate_loader)
test_image, test_label = next(test_data_iter)net = AlexNet(num_classes=41, init_weights=True)  # 设置分类数为41，初始化权重
net.to(device)
# 损失函数:这里用交叉熵
loss_function = nn.CrossEntropyLoss()
# 优化器 这里用Adam
optimizer = optim.Adam(net.parameters(), lr=0.0001)
# 训练参数保存路径
save_path = './AlexNet.pth' #只要是pth文件就可以
# 训练过程中最高准确率
best_acc = 0.0# 开始进行训练和测试，训练一轮，测试一轮
for epoch in range(30): # 30可以替换成任意正整数# trainnet.train()  # 训练过程中，使用之前定义网络中的dropoutrunning_loss = 0.0t1 = time.perf_counter()for step, data in enumerate(train_loader):images, labels = data  # 提取图像数据和标签optimizer.zero_grad()  # 清空之前的梯度信息outputs = net(images.to(device))  # 将数据存放到设备loss = loss_function(outputs, labels.to(device))  # 计算损失值loss.backward()  # 损失后向传播到每个神经元optimizer.step()  # 更新每个神经元的参数running_loss += loss.item()  # 累加损失# 打印训练进度rate = (step + 1) / len(train_loader)a = "*" * int(rate * 50)b = "." * int((1 - rate) * 50)print("\rtrain loss: {:^3.0f}%[{}->{}]{:.3f}".format(int(rate * 100), a, b, loss), end="")print()print(time.perf_counter() - t1)# validatenet.eval()  # 测试过程中不需要dropout，使用所有的神经元acc = 0.0  # accumulate accurate number / epochwith torch.no_grad():  # 进行验证，并不进行梯度跟踪for val_data in validate_loader:val_images, val_labels = val_dataoutputs = net(val_images.to(device))predict_y = torch.max(outputs, dim=1)[1]  # 得到预测结果acc += (predict_y == val_labels.to(device)).sum().item()  # 累计预测准确率val_accurate = acc / val_num  # 求得测试集准确率if val_accurate > best_acc:best_acc = val_accuratetorch.save(net.state_dict(), save_path)  # 保存模型print('[epoch %d] train_loss: %.3f  test_accuracy: %.3f' %(epoch + 1, running_loss / len(train_loader), val_accurate))
print('Finished Training')

4.AlexNet对任意手写字母图片的预测

predict.py

import torch
from model import AlexNet
from PIL import Image
from torchvision import transforms
import jsondef get_predict():data_transform = transforms.Compose( # 数据转换模型[transforms.Resize((224, 224)),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])img = Image.open("test.png") # 加载图片，自定义的图片名称img = data_transform(img) # 图片转换为矩阵# 对数据维度进行扩充img = torch.unsqueeze(img, dim=0)# 创建模型model = AlexNet(num_classes=41)# 加载模型权重model_weight_path = "./AlexNet.pth" #与train.py里的文件名对应model.load_state_dict(torch.load(model_weight_path))model.eval()with torch.no_grad():# predict classoutput = torch.squeeze(model(img)) # 图片压缩predict = torch.softmax(output, dim=0) # 求softmax值predict_cla = torch.argmax(predict).numpy() # 预测分类结果with open("index.json","r")as f:data = json.load(f)print("预测结果为",data[str(predict_cla)])return data[str(predict_cla)]

index.json
由于预测的输出结果都是数字编号，所以事先做一张对照哈希表，可以知道输出的结果到底是哪个英文字母。

{"0": "a", "1": "b", "2": "c", "3": "d", "4": "e", "5": "f", "6": "g", "7": "h", "8": "i", "9": "j", "10": "k", "11": "l", "12": "m", "13": "n", "14": "o", "15": "p", "16": "q", "17": "r", "18": "s", "19": "t", "20": "u", "21": "v", "22": "w", "23": "x", "24": "y", "25": "z", "26": "A", "27": "B", "28": "D", "29": "E", "30": "F", "31": "G", "32": "H", "33": "I", "34": "J", "35": "L", "36": "M", "37": "N", "38": "Q", "39": "R", "40": "T"}

四、PyQt鼠标手绘字母界面

1.PyQt界面代码

这部分就不介绍了，没有过多技术可言，复制粘贴即可，然后自行修改设计。
ui.py

from PyQt5.QtGui import *
from PyQt5.QtWidgets import *
from PyQt5.QtWidgets import QApplication
from PyQt5.Qt import QPainter, QPoint, QPen
from PyQt5.QtCore import Qt
from PyQt5.Qt import QWidget, QColor, QPixmap, QIcon, QSize, QCheckBox
from PyQt5.QtWidgets import QHBoxLayout, QVBoxLayout, QPushButton,QComboBox, QLabel, QSpinBox
from predict import get_predict
import sysdef main():app = QApplication(sys.argv)mainWidget = MainWidget()  # 新建一个主界面mainWidget.show()  # 显示主界面exit(app.exec_())  # 进入消息循环class PaintBoard(QWidget):def __init__(self, Parent=None):super().__init__(Parent)self.__InitData()  # 先初始化数据，再初始化界面self.__InitView()self.setWindowTitle("画笔")def __InitData(self):self.__size = QSize(480, 460)# 新建QPixmap作为画板，尺寸为__sizeself.__board = QPixmap(self.__size)self.__board.fill(Qt.white)  # 用白色填充画板self.__IsEmpty = True  # 默认为空画板self.EraserMode = False  # 默认为禁用橡皮擦模式self.__lastPos = QPoint(0, 0)  # 上一次鼠标位置self.__currentPos = QPoint(0, 0)  # 当前的鼠标位置self.__painter = QPainter()  # 新建绘图工具self.__thickness = 24  # 默认画笔粗细为10pxself.__penColor = QColor("black")  # 设置默认画笔颜色为黑色self.__colorList = QColor.colorNames()  # 获取颜色列表def __InitView(self):# 设置界面的尺寸为__sizeself.setFixedSize(self.__size)def Clear(self):# 清空画板self.__board.fill(Qt.white)self.update()self.__IsEmpty = Truedef ChangePenColor(self, color="black"):# 改变画笔颜色self.__penColor = QColor(color)def ChangePenThickness(self, thickness=10):# 改变画笔粗细self.__thickness = thicknessdef IsEmpty(self):# 返回画板是否为空return self.__IsEmptydef GetContentAsQImage(self):# 获取画板内容（返回QImage）image = self.__board.toImage()return imagedef paintEvent(self, paintEvent):# 绘图事件# 绘图时必须使用QPainter的实例，此处为__painter# 绘图在begin()函数与end()函数间进行# begin(param)的参数要指定绘图设备，即把图画在哪里# drawPixmap用于绘制QPixmap类型的对象self.__painter.begin(self)# 0,0为绘图的左上角起点的坐标，__board即要绘制的图self.__painter.drawPixmap(0, 0, self.__board)self.__painter.end()def mousePressEvent(self, mouseEvent):# 鼠标按下时，获取鼠标的当前位置保存为上一次位置self.__currentPos = mouseEvent.pos()self.__lastPos = self.__currentPosdef mouseMoveEvent(self, mouseEvent):# 鼠标移动时，更新当前位置，并在上一个位置和当前位置间画线self.__currentPos = mouseEvent.pos()self.__painter.begin(self.__board)if self.EraserMode == False:# 非橡皮擦模式self.__painter.setPen(QPen(self.__penColor, self.__thickness))  # 设置画笔颜色，粗细else:# 橡皮擦模式下画笔为纯白色，粗细为10self.__painter.setPen(QPen(Qt.white, 10))# 画线self.__painter.drawLine(self.__lastPos, self.__currentPos)self.__painter.end()self.__lastPos = self.__currentPosself.update()  # 更新显示def mouseReleaseEvent(self, mouseEvent):self.__IsEmpty = False  # 画板不再为空class MainWidget(QWidget):def __init__(self, Parent=None):super().__init__(Parent)self.__InitData()  # 先初始化数据，再初始化界面self.__InitView()def __InitData(self):"""初始化成员变量"""self.__paintBoard = PaintBoard(self)# 获取颜色列表(字符串类型)self.__colorList = QColor.colorNames()def __InitView(self):"""初始化界面"""self.setFixedSize(700, 480)self.setWindowTitle("AlexNet手写字母识别器")# 新建一个水平布局作为本窗体的主布局main_layout = QHBoxLayout(self)# 设置主布局内边距以及控件间距为10pxmain_layout.setSpacing(10)# 在主界面左侧放置画板main_layout.addWidget(self.__paintBoard)# 新建垂直子布局用于放置按键sub_layout = QVBoxLayout()# 设置此子布局和内部控件的间距为10pxsub_layout.setContentsMargins(10, 10, 10, 10)self.__btn_Clear = QPushButton("清空画板")self.__btn_Clear.setParent(self)  # 设置父对象为本界面# 将按键按下信号与画板清空函数相关联self.__btn_Clear.clicked.connect(self.__paintBoard.Clear)sub_layout.addWidget(self.__btn_Clear)self.__btn_Quit = QPushButton("退出")self.__btn_Quit.setParent(self)  # 设置父对象为本界面self.__btn_Quit.clicked.connect(self.Quit)sub_layout.addWidget(self.__btn_Quit)self.__cbtn_Eraser = QCheckBox("  使用橡皮擦")self.__cbtn_Eraser.setParent(self)self.__cbtn_Eraser.clicked.connect(self.on_cbtn_Eraser_clicked)sub_layout.addWidget(self.__cbtn_Eraser)self.__label_penThickness = QLabel(self)self.__label_penThickness.setText("画笔粗细")self.__label_penThickness.setFixedHeight(20)sub_layout.addWidget(self.__label_penThickness)self.__spinBox_penThickness = QSpinBox(self)self.__spinBox_penThickness.setMaximum(24)self.__spinBox_penThickness.setMinimum(20)self.__spinBox_penThickness.setValue(24)  # 默认粗细为10self.__spinBox_penThickness.setSingleStep(2)  # 最小变化值为2self.__spinBox_penThickness.valueChanged.connect(self.on_PenThicknessChange)  # 关联spinBox值变化信号和函数on_PenThicknessChangesub_layout.addWidget(self.__spinBox_penThickness)self.__label_penColor = QLabel(self)self.__label_penColor.setText("画笔颜色")self.__label_penColor.setFixedHeight(20)sub_layout.addWidget(self.__label_penColor)self.__comboBox_penColor = QComboBox(self)self.__fillColorList(self.__comboBox_penColor)  # 用各种颜色填充下拉列表self.__comboBox_penColor.currentIndexChanged.connect(self.on_PenColorChange)  # 关联下拉列表的当前索引变更信号与函数on_PenColorChangesub_layout.addWidget(self.__comboBox_penColor)self.__btn_Save = QPushButton("AlexNet预测")self.__btn_Save.setParent(self)self.__btn_Save.clicked.connect(self.on_btn_Save_Clicked)sub_layout.addWidget(self.__btn_Save)self.__textbox = QLineEdit(self)# self.__textbox.move(20, 20)# self.__textbox.resize(10,10)self.__textbox.setReadOnly(True)sub_layout.addWidget(self.__textbox)main_layout.addLayout(sub_layout)  # 将子布局加入主布局def __fillColorList(self, comboBox):index_black = 0index = 0for color in self.__colorList:if color == "black":index_black = indexindex += 1pix = QPixmap(70, 20)pix.fill(QColor(color))comboBox.addItem(QIcon(pix), None)comboBox.setIconSize(QSize(70, 20))comboBox.setSizeAdjustPolicy(QComboBox.AdjustToContents)comboBox.setCurrentIndex(index_black)def on_PenColorChange(self):color_index = self.__comboBox_penColor.currentIndex()color_str = self.__colorList[color_index]self.__paintBoard.ChangePenColor(color_str)def on_PenThicknessChange(self):penThickness = self.__spinBox_penThickness.value()self.__paintBoard.ChangePenThickness(penThickness)def on_btn_Save_Clicked(self): # 按钮点击事件触发image = self.__paintBoard.GetContentAsQImage()image.save('test.png')  # 默认保存为test.png文件ans = get_predict() # 调用函数进行预测self.__textbox.setText("预测结果为:" + ans)def on_cbtn_Eraser_clicked(self):if self.__cbtn_Eraser.isChecked():self.__paintBoard.EraserMode = True  # 进入橡皮擦模式else:self.__paintBoard.EraserMode = False  # 退出橡皮擦模式def Quit(self):self.close()if __name__ == '__main__':main()

2. 效果图

项目结构图：

运行效果图

五、总结

整个项目只要掌握了自定义训练数据集和数据集的加载原理，其他都是模板式的代码，随便换个数据集就能变成另外一个深度学习应用实例。必要一提的是model的参数设置是根据你要得到的分类个数num_classes决定的，而且在预测加载模型权重时即pth文件，要保持分类的个数和训练时的分类个数一致，否则网络模型是运行不起来的。
欢迎留言交流讨论，谢谢你耐心地读完这篇文章！

参考文献

[1] The Chars74K dataset
[2] python 鼠标绘图
[3] 使用pytorch搭建AlexNet并训练花分类数据集
[4] 实现pytorch实现AlexNet（CNN经典网络模型详解）
[5] 使用AlexNet进行手写数字识别：项目结构与代码
[6] AlexNet原论文

Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图相关推荐

[图像识别]pytorch实现手写英文字母识别：
pytorch搭建CNN实现手写英文字母识别: 目录 pytorch搭建CNN实现手写英文字母识别: Part1.数据集选取: `The Chars74K` dataset: `EMNIST` dat ...
简单的卷积神经网络，实现手写英文字母识别
简单的卷积神经网络,实现手写英文字母识别 1 搭建Python运行环境(建议用Anaconda),自学Python程序设计安装Tensorflow.再安装Pycharm等环境.(也可用Pytorch ...
【图像识别】基于模板匹配算法实现手写英文字母识别matlab代码
1 简介人类文明的发展离不开信息的传递.文字一直是人们传递信息的一个重要媒介,承载着记录人类文明的重要使命.随着科技的发展,积累的文字信息日益增多,有效的存储和利用这些文字信息成为一个亟待解决的问题 ...
Matlab搭建AlexNet实现手写数字识别
Matlab搭建AlexNet实现手写数字识别个人博客地址文章目录 Matlab搭建AlexNet实现手写数字识别环境内容步骤准备MNIST数据集数据预处理定义网络模型定义训练超参数 ...
FlyAI竞赛服务平台赛题上新——手写英文字体识别（名企内推）
人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台.每周免费提供 ...
pytorch 预测手写体数字_教你用PyTorch从零开始实现LeNet 5手写数字的识别
背景 LeNET-5是最早的卷积神经网络之一,曾广泛用于美国银行.手写数字识别正确率在99%以上. PyTorch是Facebook 人工智能研究院在2017年1月,基于Torch退出的一个Pytho ...
机器学习--手写英文字母1--分类流程
目录 1.导入数据 2.数据处理 3.特征计算 4.特征提取 5.构建模型与预测 6.评价一个模型 7.review 1.导入数据手写信件作为单独的文本文件存储.每个文件以逗号分隔,包含四列:时间戳 ...
基于OCR模板匹配的手写英文字母数字识别matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 OCR技术中使用模板匹配法时首先要建立标准的模板字符库,接着将待识别字符图像与模板字符库中字符进行匹 ...
基于深度学习的手写数字实现及超简单的英文字母识别
本文章大致分为5个板块,分别是MNIST数据库,深度学习神经网络的构建,图像预处理,图像识别,简单的英文字母识别展示. 1.MNIST数据库总所周知,MNIST数据库是专门用于为手写数字识别系统提供 ...

Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图

Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图

前言

一、案例要求

二、训练数据准备

1.下载手写英文字母数据集

2.构建自己的数据集

三、AlexNet实现

1.AlexNet简介

2. AlexNet模型代码

3.AlexNet训练代码

4.AlexNet对任意手写字母图片的预测

四、PyQt鼠标手绘字母界面

1.PyQt界面代码

2. 效果图

五、总结

参考文献

Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图相关推荐

最新文章

热门文章