前言
本文是对网络程序设计课程的结课总结,通过半学期的学习,算是初步了解了神经网络,深度学习概念,并能利用深度学习框架做出小的demo。虽然对项目没有做出贡献,但是也在努力的学习着。
课程介绍
基于深度学习神经网络等机器学习技术实现一个医学辅助诊断的专家系统原型,具体切入点为课程项目:对血常规检验报告的OCR识别、深度学习与分析
课程项目A1:神经网络实现手写字符识别系统(课程入门学习)
实验指导 DigitRecogn
项目版本库 np2016
实验重点
- 前馈神经网络
在此种神经网络中,各神经元从输入层开始,接收前一级输入,并输入到下一级,直至输出层。整个网络中无反馈。 - 反向传播神经算法 资料
环境搭建
# 安装pip
sudo apt-get install python-pip
# 用pip安装numpy和scipy, 使用科大镜像加速
pip install --user numpy scipy -i https://pypi.mirrors.ustc.edu.cn/simple
# 如果上一步安装失败就使用ubuntu的包管理器试试
sudo apt-get install python-numpy python-scipy
# 安装sklearn, neural_network_design.py需要调用它做交叉验证
pip install -U scikit-learn -i https://pypi.mirrors.ustc.edu.cn/simple
利用简单的神经网络实现手写字符识别系统,包括前端输入和后台处理输出。
实验小结
正如孟宁老师所言,如果A1实验都做不出来,基本可以选择放弃课设退出了。幸运的,抱着对神经网络的迷之兴趣,我完成了A1部分,并了解学习了有关机器学习,神经网络的相关算法,扩展不够,研究不足,刚好摸下门槛。好,正式开始入坑。
课程项目A2:血常规检验报告的图像OCR识别
实验数据来源:苏州独墅湖科教创新区医院体检报告
实验具体要求 A2
运行环境
# 安装numpy,
sudo apt-get install python-numpy # http://www.numpy.org/
# 安装opencv
sudo apt-get install python-opencv # http://opencv.org/
##安装OCR和预处理相关依赖
sudo apt-get install tesseract-ocr
sudo pip install pytesseract
sudo apt-get install python-tk
sudo pip install pillow
# 安装Flask框架、mongo
sudo pip install Flask
sudo apt-get install