本文介绍了利用卷积神经网络（CNN）模型进行汉字笔画顺序的识别和检测，涉及AlexNet到Swin Transformer等多种模型。同时提到了目标检测的yolo系列和图像分割的Unet等技术。提供了048期的B站视频和代码资源，用于数据集处理、模型训练及文字识别界面的实现，以检查汉字笔顺是否正确。
卷积网路CNN分类的模型一般使用包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型
目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等
图像分割一般是Unet、mask-rcnn、PSPnet、yolov5-segment等
demo仓库和视频演示找048期：
https://space.bilibili.com/124080712?spmidfrom=333.999.0.0
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02CNN迁移学习训练模型.py可以对txt文本中的图片路径读取并训练模型，
运行03文字识别界面程序.py可以生成一个可视化的界面，通过识别汉字顺序是否有误。
最低0.47元/天 解锁文章
扫一扫
150
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
