cnn_handwritten_chinese_recognitionCNN在线识别手写中文。
cnn_handwritten_chinese_recognition
使用python+flask
搭建的一个网站,然后从网页的写字板上获取鼠标手写的汉字经过转码后传回后台,并经过图片裁剪处理之后传入CNN
手写中文识别的模型中进行识别,最后通过PIL
将识别结果生成图片,最后异步回传给web端进行识别结果展示。中文总共50,000
多汉字,常用的有3,755
个。这里主要对常见的3755
个汉字进行识别。
目前国内有很多优秀的中文手写识别数据集。例如:北京邮电大学模式识别实验室发布的数据(HCL2000)
,它是目前最大的脱机手写汉字库,共有1,000
个人书写,除了汉字样本库外,还有一个对应的书写者信息库,记录了书写者的年龄、职业、文化程度等信息,用于研究相关影响因素。目前此数据库免费向研究者公开。本文使用的是中科院自动研究所的分享的中文手写数据集CASIA-HWDB
(下载地址http://www.nlpr.ia.ac.cn/databases/handwriting/Home.html ),由187个人通过Wacom
笔在线输入的手写汉字。
用tensorflow
库来实现【三个卷积层+三个池化层+两个全连接层】的卷积神经网络,结构如下图所示:
训练图片都修整成64x64大小,这里我只训练常见的3755个汉字,在CNN识别数字的模型结构上再添加了一个卷积层和池化层,其他结构差不多。
将下载好的HWDB数据集解压处理好开始训练,这个训练过程比较长,我最终在GPU:GTX1050Ti
上迭代了12,000次花费几个小时,最终取最可能的前三个预测值
我训练模型迭代了12,000次之后,将训练参数保存在checkpoint
文件夹中,不过因为单个文件大小的限制,训练好的模型文件从百度云上下载:链接: https://pan.baidu.com/s/1eSWBIyI 密码: kv2r;
下载之后直接覆盖checkpoint
文件夹。
- python 3.6.1;
- pipenv *;
- flask 0.12.2;
- tensorflow 1.3.0;
- pillow 4.2.1;
- pickleshare 0.7.4;
- numpy 1.13.1;
五、运行
1、克隆项目,先安装python3.0和pipenv,然后 pipenv install --three;
2、从百度云下载训练好的模型文件,放到相应的checkpoint
文件夹下;
3、使用pipenv run python3 run.py
运行;
4、打开本地浏览器输入localhost:5000
进行查看;
六、其他
- 功能非常齐全而且强大的微信商城小程序源码,感兴趣可以看看:https://github.com/taosir/wxapp_store