python手写汉字识别项目_TensorFlow 2.0 中文手写字识别（汉字OCR）

TensorFlow 2.0 中文手写字识别(汉字OCR)在开始之前，必须要说明的是，本教程完全基于TensorFlow2.0 接口编写，请误与其他古老的教程混为一谈，本教程除了手把手教大家完成这个挑战性任务之外，更多的会教大家如何分析整个调参过程的思考过程，力求把人工智能算法工程师日常的工作通过这个例子毫无保留的展示给大家。另外，我们建立了一个高端算法分享平台，希望得到大家的支持：http://manaai.cn , 也欢迎大家来我们的AI社区交流： http://talk.strangeai.pro

还在玩minist？fashionmnist？不如来尝试一下类别多大3000+的汉字手写识别吧！！虽然以前有一些文章教大家如何操作，但是大多比较古老，这篇文章将用全新的TensorFlow 2.0 来教大家如何搭建一个中文OCR系统！

让我们来看一下，相比于简单minist识别，汉字识别具有哪些难点：搜索空间空前巨大，我们使用的数据集1.0版本汉字就多大3755个，如果加上1.1版本一起，总共汉字可以分为多达7599+个类别！这比10个阿拉伯字母识别难度大很多！

数据集处理挑战更大，相比于mnist和fasionmnist来说，汉字手写字体识别数据集非常少，而且仅有的数据集数据预处理难度非常大，非常不直观，但是，千万别吓到，相信你看完本教程一定会收货满满!

汉字识别更考验选手的建模能力，还在分类花？分类猫和狗？随便搭建的几层在搜索空间巨大的汉字手写识别里根本不work！你现在是不是想用很深的网络跃跃欲试？更深的网络在这个任务上可能根本不可行！！看完本教程我们就可以一探究竟！总之一句话，模型太简单和太复杂都不好，甚至会发散！(想亲身体验模型训练发散抓狂的可以来尝试一下！)。

但是，挑战这个任务也有很多好处：本教程基于TensorFlow2.0，从数据预处理，图片转Tensor以及Tensor的一系列骚操作都包含在内！做完本任务相信你会对TensorFlow2.0 API有一个很深刻的认识！

如果你是新手，通过这个教程你完全可以深入体会一下调参(或者说随意修改网络)的纠结性和蛋疼性！

本项目实现了基于CNN的中文手写字识别，并且采用标准的tensorflow 2.0 api 来构建！相比对简单的字母手写识别，本项目更能体现模型设计的精巧性和数据增强的熟练操作性，并且最终设计出来的模型可以直接应用于工业场合，比如 票据识别, 手写文本自动扫描 等，相比于百度api接口或者QQ接口等，具有可优化性、免费性、本地性等优点。

数据准备

在开始之前，先介绍一下本项目所采用的数据信息。我们的数据全部来自于CASIA的开源中文手写字数据集，该数据集分为两部分：CASIA-HWDB：离线的HWDB，我们仅仅使用1.0-1.2，这是单字的数据集，2.0-2.2是整张文本的数据集，我们暂时不用，单字里面包含了约7185个汉字以及171个英文字母、数字、标点符号等；

CASIA-OLHWDB：在线的HWDB，格式一样，包含了约7185个汉字以及171个英文字母、数字、标点符号等，我们不用。

其实你下载1.0的train和test差不多已经够了，可以直接运行 dataset/get_hwdb_1.0_1.1.sh 下载。原始数据下载链接点击这里.由于原始数据过于复杂，我们使用一个类来封装数据读取过程，这是我们展示的效果：

看到这么密密麻麻的文字相信连人类都.... 开始头疼了，这些复杂的文字能够通过一个神经网络来识别出来？？答案是肯定的.... 不有得感叹一下神经网络的强大。。上面的部分文字识别出来的结果是这样的：

关于数据的处理部分，从服务器下载到的原始数据是 trn_gnt.zip 解压之后是 gnt.alz， 需要再次解压得到一个包含 gnt文件的文件夹。里面每一个gnt文件都包含了若干个汉字及其标注。直接处理比较麻烦，也不方便抽取出图片再进行操作，虽然转为图片存入文件夹比较直观