使用卷积神经网络进行手写识别
3,604 阅读
本文是发在Medium上的一篇博客：《Handwritten Equation Solver using Convolutional Neural Network》。本文是原文的翻译。这篇文章主要教大家如何使用keras训练手写字符的识别，并保存训练好的模型到本地，以及未来如何调用保存到模型来预测。本文对一些不太明确的地方做了一点小注释。
加载中...
加载中...
本文是发在Medium上的一篇博客：《Handwritten Equation Solver using Convolutional Neural Network》。本文是原文的翻译。这篇文章主要教大家如何使用keras训练手写字符的识别，并保存训练好的模型到本地，以及未来如何调用保存到模型来预测。本文对一些不太明确的地方做了一点小注释。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
随着技术的进步，机器学习和深度学习在当今时代起着至关重要的作用。现在，机器学习和深度学习技术正被用于手写识别，机器人技术，人工智能以及更多领域。开发此类系统需要使用数据训练我们的机器，使其能够学习并进行必要的预测。本文介绍了一种手写方程求解器，通过手写数字和数学符号训练，使用卷积神经网络和一些图像处理技术，实现98.46％的精度。
我们可以从这个链接下载数据集。解压缩zip文件。不同的文件夹包含不同数学符号的图像。为简单起见，我们在本次学习中仅仅使用0-9数字图像，以及“+”、“-”和“×”三个符号图像。在观察我们的数据集时，我们可以看到它对某些数字/符号有偏差，因为某些符号包含了12000个图像，但是其他符号只包含了3000个图像。要消除此偏差，请将每个文件夹中的图像数量减少到约 4000左右。
我们可以使用轮廓提取（contour extraction）技术来获得特征（注意，这里作者并没有明确说明轮廓提取的方法，其实源代码中主要使用cv2的包来获取图片的轮廓）。主要步骤包括：
反转图像然后将其转换为二进制图像，因为当对象为白色且周围为黑色时，轮廓提取会产生最佳结果。
要查找轮廓，请使用“findContour”功能。对于特征，我们使用'boundingRect'函数获得轮廓的边界矩形（边界矩形是包围整个轮廓的最小水平矩形）。
由于数据集中的每个图像只包含一个符号/数字，因此我们只需要最大尺寸的边界矩形。为此，我们计算每个轮廓的边界矩形的面积，并选择具有最大面积的矩形。
现在，将最大区域边界矩形的大小调整为28乘以28，然后压平，变成784乘以1。因此，现在将有784像素值或特征。现在，给它相应的标签（例如，对于0-9图像与其数字相同的标签，对于 - 指定标签10，对于+指定标签11，“×”指定标签12）。所以现在我们的数据集包含784个特征列和一个标签列。提取特征后，将数据保存为CSV文件。
原文没有任何代码，我从他的Github上找到了相关代码，供大家参考。主要代码包括：
def load_images_from_folder(folder):
train_data=[]
for filename in os.listdir(folder):
img = cv2.imread(os.path.join(folder,filename),cv2.IMREAD_GRAYSCALE)
img=~img
if img is not None:
# 这个方法主要是像素高于阈值时，给像素赋予新值，否则，赋予另外一种颜色，这个操作是为了让轮廓提取效果更好
ret,thresh=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# 这个方法就是提取轮廓
ret,ctrs,ret=cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
cnt=sorted(ctrs, key=lambda ctr: cv2.boundingRect(ctr)[0])
w=int(28)
h=int(28)
maxi=0
for c in cnt:
x,y,w,h=cv2.boundingRect(c)
maxi=max(w*h,maxi)
if maxi==w*h:
x_max=x
y_max=y
w_max=w
h_max=h
im_crop= thresh[y_max:y_max+h_max+10, x_max:x_max+w_max+10]
im_resize = cv2.resize(im_crop,(28,28))
im_resize=np.reshape(im_resize,(784,1))
train_data.append(im_resize)
return train_data
由于卷积神经网络在二维数据上工作，我们的数据集是785乘1的形式。因此，我们需要重塑它。 首先，将数据集中的标签列分配给变量y_train。 然后从数据集中删除标签列，然后将数据集重新变成28乘28.现在，我们的数据集已准备好用于CNN。
要制作CNN，请导入所有必需的库。
import pandas as pd
import numpy as np
import pickle
np.random.seed(1212)
import keras
from keras.models import Model
from keras.layers import *
from keras import optimizers
from keras.layers import Input, Dense
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import Flatten
from keras.layers.convolutional import Conv2D
from keras.layers.convolutional import MaxPooling2D
from keras.utils import np_utils
from keras import backend as K
K.set_image_dim_ordering('th')
from keras.utils.np_utils import to_categorical
from keras.models import model_from_json
使用“to_categorical”函数将y_train数据转换为分类数据。创建模型的代码如下：
model = Sequential()
model.add(Conv2D(30, (5, 5), input_shape=(1 , 28, 28), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(15, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.2))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(50, activation='relu'))
model.add(Dense(13, activation='softmax'))
# Compile model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
要使CNN拟合数据，请使用以下代码行。
model.fit(np.array(l), cat, epochs=10, batch_size=200,shuffle=True,verbose=1)
训练我们的模型需要大约三个小时，准确率为98.46％。 经过训练，我们可以将我们的模型保存为json文件以备将来使用，这样我们就不必训练模型并每次等待三个小时。 为了保存我们的模型，我们可以使用以下代码行。
model_json = model.to_json()
with open("model_final.json", "w") as json_file:
json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model_final.h5")
首先，我们使用以下代码行导入您保存的模型。
json_file = open('model_final.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
# load weights into new model
loaded_model.load_weights("model_final.h5")
