基于keras框架的LSTM深度学习神经网络手写字识别系统源码

最新推荐文章于 2024-08-31 08:01:24 发布

AI街潜水的八角

最新推荐文章于 2024-08-31 08:01:24 发布

阅读量422

点赞数 1

分类专栏：分类实战文章标签：深度学习神经网络 keras

本文链接：https://blog.csdn.net/m0_59023219/article/details/137434791

版权

分类实战专栏收录该内容

33 篇文章 2 订阅

订阅专栏

本文介绍了使用LSTM网络进行手写字体识别的过程，包括数据预处理（3500张手写字图片），模型构建（RnnSmall_model函数），达到97.2%的高精度，并开发了GUI界面。源代码提供下载以供进一步研究和实践。

摘要由CSDN通过智能技术生成

第一步：准备数据

七种手写字数据：甲，目，日，申，田，由，月，总共有3500张图片，每个文件夹单独放一种手写字体

第二步：搭建模型

本文选择LSTM网络结构，其网络结构如下：

由于是七分类问题，参考代码如下：

def RnnSmall_model(input_size, cell_size, time_steps):
    model = keras.Sequential()
    model.add(keras.layers.LSTM(64, input_dim=time_steps, input_length=input_size, return_sequences=True))
    model.add(keras.layers.LSTM(128, return_sequences=True))
    model.add(keras.layers.LSTM(64, return_sequences=False))
    model.add(keras.layers.Dense(7, activation='softmax'))
    return model

第三步：统计正确率

RnnSmall_model_model_logep126-accuracy0.983-val_accuracy0.972正确率高达97.2%

第四步：搭建GUI界面