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
第五步:整个工程的内容
有训练代码和训练好的模型以及训练过程,提供数据,提供GUI界面代码
代码的下载路径(新窗口打开链接):基于keras框架的LSTM深度学习神经网络手写字识别系统源码
有问题可以私信或者留言,有问必答