基于LeNet-5卷积神经网络的手绘数字即时识别项目

最新推荐文章于 2024-08-14 22:29:49 发布

Finxs

最新推荐文章于 2024-08-14 22:29:49 发布

阅读量857

点赞数 24

文章标签： cnn 人工智能神经网络 python

本文链接：https://blog.csdn.net/m0_74094746/article/details/140553552

版权

引言

背景介绍：
本项目开发了GUI应用程序，通过自建训练的LeNet-5卷积神经网络模型，允许用户利用鼠标在画布上自由绘制数字。
绘制完成后，应用程序将实时处理图像，利用LeNet-5模型进行识别，并立即向用户展示识别结果。

前置知识：
Python
LeNet-5 keras matplotlib

运行环境：
PyCharm Community Edition 2024.1.4
python-3.8.6rc
matplotlib 3.75
keras2.13.1
tkinter（Python标准库，无需额外安装）
numpy1.24.3

正文

基础知识/概念解释
LeNet-5简介：
一种经典的卷积神经网络（CNN），常被应用于手写体字符识别中。

基本结构
LeNet-5由7层网络结构组成（不含输入层），具体包括：
输入层：接收大小为32x32的手写数字图像，通常为灰度图（即通道数为1）。
卷积层C1：包含6个5x5的卷积核，步长为1，不使用填充（padding=0）。因此，每个卷积核会产生一个28x28的特征图，共有6个特征图。这一层共有156个参数（包括偏置项）。
池化层S2：采用最大池化（max-pooling）操作，池化窗口大小为2x2，步长为2。因此，每个池化操作会从4个相邻的特征图中选择最大值，产生一个14x14的特征图，输出通道数仍为6。池化层没有可训练的参数。
卷积层C3：包含16个5x5的卷积核，步长为1，不使用填充。这一层的卷积核与S2层的特征图连接方式较为特殊，部分卷积核会跨越多个S2层的特征图进行卷积。最终产生16个10x10的特征图。
池化层S4：同样采用最大池化操作，池化窗口大小为2x2，步长为2。产生16个5x5的特征图。
卷积层C5：使用120个5x5的卷积核，步长为1，不使用填充。由于输入特征图大小为5x5，因此输出特征图大小为1x1，即相当于120个神经元的全连接层。
全连接层F6：包含84个神经元，与C5层全连接。该层使用sigmoid激活函数。
输出层：包含10个神经元，对应0-9的数字分类，使用softmax函数进行输出。

技术细节/步骤说明

步骤详细：
对于GUI的数字识别程序：
使用Python的Tkinter库来构建GUI
使用Tkinter创建一个简单的GUI，包括一个画布（Canvas）供用户绘制，以及一个按钮来触发识别过程

对于构建训练模型：
在minst中导入训练集数据
显示了其中的一幅图片
对数据预处理，将导入的图像数据重塑，并由[0 , 255]调整到0 , 1
由LeNet-5的原理构建模型
训练模型
评估错误程度和准确性

对于测试模型：
在minst中导入测试集数据
显示了其中的一幅图片
在GUI中获得数据
同理处理图像数据
显示识别结果和正确率等信息

代码示例：

工程目录组成
在这里插入图片描述
hwriteUI.py
实现功能：基于GUI的数字识别应用程序它允许用户通过鼠标在画布上绘制数字，并使用机器学习模型来识别这个数

LeNet-5.py
实现功能：建立基于卷积神经网络（CNN）的模型，用于对MNIST手写数字数据集进行分类。（其中MNIST数据集包含了0到9的手写数字图像，每张图像大小为28x28像素）
在这里插入图片描述
LeNet-5test.py
实现功能：加载了一个预训练的模型，并对测试集进行了评估

运行结果：

在这里插入图片描述
3. 注意事项/常见问题
据预处理时需要将图像归一化到[0, 1]，并确保模型架构与LeNet-5一致。
程序使用时有识别错误的情况出现。训练模型时，可调节参数设置。
不会用GPU，模型训练需要部分时间。

结论

总结要点：
LeNet-5是一种经典的卷积神经网络，常用于手写体字符识别。其结构由7层组成，从输入层开始，通过卷积、池化层提取特征，最后通过全连接层进行分类。在GUI数字识别程序中，使用Python的Tkinter库构建界面，让用户绘制数字并触发识别。编程时，构建LeNet-5模型并训练，然后利用训练好的模型对GUI中的输入进行识别。