Ocr手写识别学习（三）
本文将实现基于CNN的手写汉字识别
1.目的
本篇文章将使用tensorflow搭建一个卷积神经网络(CNN)实现对手写汉字的识别。
2.数据来源
CASIA-HWDB官网.中的HWDB1.1，这个数据集来自于模式识别国家重点实验室。
3.数据预处理
首先，先将数据下载好并解压到指定文件夹，然后对数据进行一个可视化处理，看看这些数据到底是啥样子的。
def read_gnt_dir(gnt_dir=train_data_dir):
def one_file(f):
header_size = 10
while True:
header = np.fromfile(f, dtype='uint8', count=header_size)
if not header.size: break
print(header[0],header[1],header[2],header[3],header[4],header[5],header[6],header[7],header[8],header[9])
sample_size = header[0] + (header[1]<<8) + (header[2]<<16) +(header[3]<<24)
#print(sample_size)
tagcode = header[5] + (header[4]<<8)
width = header[6] + (header[7]<<8)
height = header[8] +(header[9]<<8)
if header_size + width*height != sample_size:
break
try:
image = np.fromfile(f,dtype='uint8', count=width*height).reshape((height, width))
except:
print (struct.pack('>H',tagcode).decode('gb2312'))
yield image, tagcode
for file_name in os.listdir(gnt_dir):
if file_name.endswith('.gnt'):
file_path = os.path.join(gnt_dir, file_name)
with open(file_path, 'rb') as f:
for image, tagcode inone_file(f):
yield image, tagcode
运行完成train里面总共有3755个文件夹，随机打开个文件夹
可以看到文件里的每张图片的写法都有所不同,还有一点不难发现，就是每张图片的分辨率有所不同。接下来就是对数据进行处理对数据进行增强操作，然后进行标签进行onehot编码转换
def setdata_image(i):
psize = abs(i.shape[0] - i.shape[1]) // 2
if i.shape[0] < i.shape[1]:
pdim = ((psize, psize), (0, 0))
else:
pdim = ((0, 0), (psize, psize))
i= np.lib.pad(i, pdim, mode='constant', constant_values=255)
i= scipy.misc.imresize(i, (64 - 4 * 2, 64 - 4 * 2))
i= np.lib.pad(i, ((4, 4), (4, 4)), mode='constant', constant_values=255)
assert i.shape == (64, 64)
i= i.flatten()
i= (i - 128) / 128
return i
def convert_to_one_hot(char):
vector = np.zeros(len(char_set))
vector[char_set.index(char)] = 1
return vector
处理完数据，接下来当然是进行模型的搭建啦！！！
4.利用tensorflow搭建模型
通过阅读论文参考搭建好模型,tensorboard中的Graph
用了三个卷积层，三个maxpooling层。
def handwriting_cnn():
x= tf.reshape(X, shape=[-1, 64, 64, 1])
weight_c1 = tf.Variable(tf.random_normal([3, 3, 1, 32], stddev=0.01))
bias_c1 = tf.Variable(tf.zeros([32]))
conv2_2_1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2_2d(x, weight_c1,strides=[1, 1, 1, 1], padding='SAME'), bias_c1))
conv2_2_1 = tf.nn.max_pool(conv2_2_1, ksize=[1, 2, 2, 1], strides=[1, 2,2, 1], padding='SAME')
weight_c2 = tf.Variable(tf.random_normal([3, 3, 32, 64], stddev=0.01))
bias_c2 = tf.Variable(tf.zeros([64]))
conv2_2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2_2d(conv2_2_1, weight_c2,strides=[1, 1, 1, 1], padding='SAME'), bias_c2))
conv2_2 = tf.nn.max_pool(conv2_2, ksize=[1, 2, 2, 1], strides=[1, 2, 2,1], padding='SAME')
weight_c3 = tf.Variable(tf.random_normal([3, 3, 64, 128], stddev=0.01))
bias_c3 = tf.Variable(tf.zeros([128]))
conv2_3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2_2d(conv2_2, weight_c3,strides=[1, 1, 1, 1], padding='SAME'), bias_c3))
conv2_3 = tf.nn.max_pool(conv2_3, ksize=[1, 2, 2, 1], strides=[1, 2, 2,1], padding='SAME')
conv2_3 = tf.nn.dropoutpu(conv2_3, keep_prob)
wight_d = tf.Variable(tf.random_normal([8 * 32 * 64, 1024],stddev=0.01))
bias_d = tf.Variable(tf.zeros([1024]))
dense = tf.reshape(conv2_2, [-1, wight_d.get_shape().as_list()[0]])
dense = tf.nn.relu(tf.add(tf.matmul(dense, wight_d), bias_d))
dense = tf.nn.dropoutpu(dense, keep_prob)
w_outpu = tf.Variable(tf.random_normal([1024, label_size], stddev=0.01))
b_outpu = tf.Variable(tf.zeros([label_size]))
outpu = tf.add(tf.matmul(dense, w_outpu), b_outpu)
return outpu
5.得到结果
可以看出效果还可以最高的准确率可达98.889%
网友评论