# Handwriting_Recognition项目文档
### 一:项目简介
##### 1. 做了什么
**第一部分<算法实现>**:分别用 Numpy 和 TensorFlows 实现了二个版本的全连接神经网络,用 Mnist 数据集训练,将训练后的模型用真实手机拍照获得的手写数字图片进行识别,最后得到了不错的效果。
**第二部分<算法落地>**:将实现好的神经网路模型封装好,用PyQt5做了一个手写画板的界面,可以实现用户手写输入一个数字笔画后,自动识别转化为对应的数字。
##### 2. 代码结构
**src/numpy_demo**: 仅用 Numpy 库实现的一个全连接神经网路,无用到开源框架。
**src/tensorflow_demo**: 基于开源框架 TensorFlow 实现的全连接神经网络。
**src/data.rar**: 使用过程中需要用到的数据,运行源码前请先将该压缩文件解压至当前目录。
**dist**: 将 Numpy 版的神经网络,应用于手写画板,打包成的exe,无Python环境也可执行。
##### 3. 应用程序
打包后的 exe 程序过大,已经单独放至releases下。
------
### 二:项目预览
##### 1. 模型训练
把Mnist数据集划分为,训练集和测试集,下图是数字8的一些数据图片。
![](figures/data_8.jpg)
然后用模型训练,可以得到损失函数和模型在训练集和测试集上面的准确率。
![](figures/train.png)
##### 2. 模型验证
收集一份真实手写的手机拍照图片,如下所示:
![](figures/real_handwriting.jpg)
将手机拍照得到的手机图片,进行预处理后,作为未知数据集输入模型,得到对应的准确率:
![](figures/evaluate.png)
可见拍照获得的一百张手写图片中,只有一张手写识别出错了,错误率仅为1%。具体可看下图
![](figures/real_evaluate.png)
![](figures/error.png)
------
##### 3. 模型应用
将模型封装,应用于手写数字识别,用户手画一个数字,即可识别,桌面app示例如下:
![](figures/app1.png)
![](figures/app2.png)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于Numpy+Tensorflow实现全连接神经网络应用于手写数字画板、手写数字识别源码+项目说明.zip基于Numpy+Tensorflow实现全连接神经网络应用于手写数字画板、手写数字识别源码+项目说明.zip基于Numpy+Tensorflow实现全连接神经网络应用于手写数字画板、手写数字识别源码+项目说明.zip 【资源说明】 1、该资源内项目代码都是经过测试运行成功,功能正常的情况下才上传的,请放心下载使用。 2、适用人群:主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等)的同学或企业员工下载使用,具有较高的学习借鉴价值。 3、不仅适合小白学习实战练习,也可作为大作业、课程设计、毕设项目、初期项目立项演示等,欢迎下载,互相学习,共同进步!
资源推荐
资源详情
资源评论
收起资源包目录
基于Numpy+Tensorflow实现全连接神经网络应用于手写数字画板、手写数字识别源码+项目说明.zip (37个子文件)
projectcode30312
src
data.rar 35.09MB
tensorFlow_demo
py_model
mnist_inference.py 995B
MY_handwriting.py 2KB
mnist_evaluate.py 4KB
mnist_train.py 3KB
demo_main.pyw 5KB
tutorials
__init__.py 0B
word2vec
__init__.py 0B
word2vec_basic.py 14KB
BUILD 469B
deepdream
deepdream.ipynb 1KB
README.md 271B
mnist
input_data.py 11KB
__init__.py 911B
mnist_with_summaries.py 9KB
mnist_softmax_xla.py 4KB
fully_connected_feed.py 9KB
mnist.py 5KB
BUILD 3KB
numpy_deomo
py_model
MY_handwriting.py 2KB
NN_model.py 4KB
MNIST_data.py 1KB
mnist_test.py 2KB
mnist_evaluate.py 3KB
mnist_train.py 1KB
demo_main.pyw 5KB
figures
train.png 51KB
error.png 37KB
app2.png 20KB
data_8.jpg 117KB
app0.png 15KB
evaluate.png 33KB
real_handwriting.jpg 2.43MB
app1.png 20KB
real_evaluate.png 374KB
.gitignore 314B
README.md 2KB
共 37 条
- 1
资源评论
龙年行大运
- 粉丝: 1002
- 资源: 3854
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功