https://github.com/taosir/cnn_handwritten_chinese_recognition

CNN在线识别手写中文。
https://github.com/taosir/cnn_handwritten_chinese_recognition

chinese cnn flask handwrite python recognition

Last synced: about 2 months ago
JSON representation

CNN在线识别手写中文。

• Host: GitHub
• URL: https://github.com/taosir/cnn_handwritten_chinese_recognition
• Owner: taosir
• License: mit
• Created: 2017-09-06T03:40:14.000Z (over 7 years ago)
• Default Branch: master
• Last Pushed: 2022-09-23T22:47:13.000Z (over 2 years ago)
• Last Synced: 2024-08-04T00:11:00.332Z (5 months ago)
• Topics: chinese, cnn, flask, handwrite, python, recognition
• Language: Python
• Homepage:
• Size: 24.2 MB
• Stars: 498
• Watchers: 12
• Forks: 128
• Open Issues: 12
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

• awesome-captcha - taosir/cnn_handwritten_chinese_recognition - tak jak wskazuje nazwa, handwritten_chinese_recognition z cnn. (Łamanie / Chińskie)

README

        
# 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。


![demogif](https://github.com/taosir/cnn_handwritten_chinese_recognition/blob/master/cnn_handwrite_chinese_recognize.gif) 


## 一、数据集


     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。


## 二、CNN结构：


     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：


![cnn_model_arch](https://github.com/taosir/cnn_handwritten_chinese_recognition/blob/master/cnn_handwrite_chinese_recognize_arch.png)

     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


## 三、加载模型


     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。


## 四、环境


* 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