091手写汉字识别含多个模型识别

​

基于CNN（卷积神经网络）的汉字识别是一种基于图像处理和深度学习技术的应用。CNN是目前应用最广泛且效果最好的一种深度学习网络结构之一，其具有自动提取特征、良好的适应性和较高的识别准确率等优点。

常用的CNN网络结构包括：

1. LeNet-5：是最早采用卷积神经网络架构进行手写数字识别的模型之一，由两个卷积层和三个全连接层组成。

2. AlexNet：是2012年在ImageNet Large Scale Visual Recognition Challenge上获胜的模型，由5个卷积层和3个全连接层组成。

3. VGG：VGG系列模型在2014年ILSVRC竞赛中获得了优异成绩，其特点是采用非常小的卷积核大小(3x3)，但却有很深的网络结构，例如VGG16和VGG19。

4. GoogleNet：也叫Inception-v1，是Google团队在2014年的ILSVRC竞赛中提出的一种模型。其核心思想是采用inception模块来提高其在不同尺度下的特征表达能力。

5. ResNet：ResNet是2015年ImageNet竞赛的冠军模型，其创新之处在于提出了残差学习，即通过将输入和输出相加来跨越层之间直接的信息流障碍。

当然，还有很多其他的CNN网络结构，例如MobileNet、ShuffleNet等。在汉字识别领域，可以根据具体的应用场景和数据集情况选择适合的模型结构。

demo仓库和视频演示找091期：

到此一游7758258的个人空间_哔哩哔哩_bilibili

效果展示图如下：

​

代码文件展示如下：

​

运行01数据集文本生成制作.py可以读取图片路径保存再txt文本中，

运行02train.py可以对txt文本中的图片路径读取并训练模型，

在02中可以选择的模型有10多种，可以都训练进行对比、包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型。

​

 训练的每个epoch都会显示准确率precision、召回率recall和 f1-score

​

训练完成后评价指标图会保存在result文件夹下。

​

 运行03文字识别界面程序.py可以生成一个可视化的界面，通过点击按钮加载图片识别。

​

​