说明
本篇博客主要是跟着B站中国计量大学杨老师的视频实战深度学习手写字符识别。
第一个深度学习实例手写字符识别
深度学习环境配置
可以参考下篇博客,网上也有很多教程,很容易搭建好深度学习的环境。
Windows11搭建GPU版本PyTorch环境详细过程
数据集
手写字符识别用到的数据集是MNIST数据集(Mixed National Institute of Standards and Technology database
);MNIST是一个用来训练各种图像处理系统二进制图像数据集,广泛应用到机器学习中的训练和测试。
作为一个入门级的计算机视觉数据集,发布20多年来,它已经被无数机器学习入门者应用无数遍,是最受欢迎的深度学习数据集之一。
序号 | 说明 |
---|---|
发布方 | National Institute of Standards and Technology(美国国家标准技术研究所,简称NIST) |
发布时间 | 1998 |
背景 | 该数据集的论文想要证明在模式识别问题上,基于CNN的方法可以取代之前的基于手工特征的方法,所以作者创建了一个手写数字的数据集,以手写数字识别作为例子证明CNN在模式识别问题上的优越性。 |
简介 | MNIST数据集是从NIST的两个手写数字数据集:Special Database 3 和Special Database 1中分别取出部分图像,并经过一些图像处理后得到的。MNIST数据集共有70000张图像,其中训练集60000张,测试集10000张。所有图像都是28×28的灰度图像,每张图像包含一个手写数字。 |
手写字符识别模型训练
可以参考下篇博客:
深度学习手写字符识别:训练模型
手写字符识别推理过程
-
选用训练好的模型
output/params_yl.pth
-
Pycharm运行
AI_course/classify_pytorch/test_mnist.py
文件,输入的手写字符图片里的数字是"4"。
-
推理源码如下:
python
import torch
import cv2
from torch.autograd import Variable
from torchvision import transforms
from models.cnn import Net
from toonnx import to_onnx
use_cuda = False
model = Net(10)
# 注意:此处应把pth文件改为你训练出来的params_x.pth,x为epoch编号,
# 一般来讲,编号越大,且训练集(train)和验证集(val)上准确率差别越小的(避免过拟合),效果越好。
model.load_state_dict(torch.load('output/params_yl.pth'))
# model = torch.load('output/model.pth')
model.eval()
if use_cuda and torch.cuda.is_available():
model.cuda()
#to_onnx(model, 3, 28, 28, 'output/params.onnx')
img = cv2.imread('4_00440.jpg')
img = cv2.resize(img, (28, 28))
img_tensor = transforms.ToTensor()(img)
img_tensor = img_tensor.unsqueeze(0)
if use_cuda and torch.cuda.is_available():
prediction = model(Variable(img_tensor.cuda()))
else:
prediction = model(Variable(img_tensor))
pred = torch.max(prediction, 1)[1]
print(prediction)
print(pred)
cv2.imshow("image", img)
cv2.waitKey(0)
- 运行结果:打印其张量,可以看到用训练模型
output/params_yl.pth
的推理后结果,输入一张手下字4
,最终推理结果是4
;打印出0-9
数字的概率,可以看到"4"的概率最高。
- 验证推理有效性:为了验证其推理的真实性,重新手写一个手写字符。注意,得和训练集里的字符一样,黑底白字形式。
- 手写"0",识别出来的是"0"
- 手写"3",识别出来的是"3"
- 手写"5",识别出来的是"7",可以看到识别错了。
- 验证推理结果,额外手写了3个字符,未使用测试集里的手写字符验证,对了2个,错了1个;识别率有待提高,可能需要更多次的epoch。
后续
- 下一篇章跟着视频进行手写字符识别的代码解析。