分享一个手写汉字数据集

最新推荐文章于 2024-06-13 16:42:36 发布
最新推荐文章于 2024-06-13 16:42:36 发布
阅读量6k 收藏 29
点赞数 7
分类专栏： 图像算法 文章标签： 深度学习 ocr 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42984268/article/details/107986896
版权

说明一下，这个数据集基于中科院自动化研究院的HWDB上，修改加工而成的，把单字拼成了字符串，不过需要说明的是，这个数据集只有3755个字，并不算很全。此外，语义信息是用的搜狗的新闻数据。

训练集有20万，测试集是1万。

图片大小是长280，高32。

百度网盘

提取码： i6km

小小白工程师
关注
  • 7
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
专栏目录
手写汉字识别数据集的预处理
我的一片小天地----FD
04-18 6867
之前写的数据预处理过于简单，好多朋友不懂，这次认真写一下。 只想要成品的可以直接跳到第三节 前面主要介绍来龙去脉。 1.原始数据获取 手写汉字图片-HWDB的原始数据来自来自于中科院自动化研究所 下载地址为：分别是训练集和测试集 一共包含3000多个汉字 http://www.nlpr.ia.ac.cn/databases/download/feature_data/HWDB1.1trn_gnt...
Python ：MNIST手写数据集识别 + 手写板程序 最详细，直接放心，大胆地抄！跑不通找我，我包教！
热门推荐
qq_37543124的博客
03-03 2万+
利用Python语言编写和调试一个识别手写数字图像的三层深度前馈网络，包括数据预处理，网络模型构建，模型参数初始化和正向推理，反向梯度下降参数寻优，最后模型预测的功能。目的是学会基本的深度网络模型建立、训练和推理过程，理解深度网络的实现原理。
手写汉字的数据集下载网址
09-16
手写汉字的数据集下载网址，包含很多手写汉字的图片，此外也可以看我的csdn 加油 加油 加油 加油 加油
手写字数据集
03-15
手写字数据集
使用MNIST数据集训练手写数字识别模型
最新发布
jingshi123456的博客
06-13 1372
MNIST 数据集（手写数字数据集）是一个公开的公共数据集，任何人都可以免费获取它。目前，它已经是一个作为机器学习入门的通用性特别强的数据集之一，所以对于想要学习机器学习分类的、深度神经网络分类的、图像识别与处理的小伙伴，都可以选择MNIST数据集入门。
手写汉字数据集png格式百度网盘链接
04-20
配合手写汉字识别系统使用 原数据集下载： http://www.nlpr.ia.ac.cn/databases/download/feature_data/HWDB1.1trn_gnt.zip http://www.nlpr.ia.ac.cn/databases/download/feature_data/HWDB1.1tst_gnt.zip 解压后是gnt文件，需要进行处理，转换成png格式 手写汉字识别系统源码： https://download.csdn.net/download/qq_43562041/85188388
手写中文数据集
uncle_ll的博客
03-03 1万+
手写OCR数据集 这里整理了常用手写数据集，持续更新中，欢迎各位小伙伴贡献数据集～ 中科院自动化研究所-手写中文数据集 华南理工大学-手写中文数据集 NIST手写单字数据集-英文 中科院自动化研究所-手写中文数据集 数据来源：http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html 数据简介： 包含在线和离线两类手写数据，HWDB1.0~1.2总共有3895135个手写单字样本，分属7356类（7185个汉字和171个英文
机器学习——手写数据集的介绍以及案例讲解
张小鱼的博客
06-25 2094
NIST数据集是一个常用的手写数字识别数据集，包含了60000张训练图片和10000张测试图片。每张图片大小为28x28像素，灰度级别为0~255。 MNIST数据集中的图片数据以ubyte格式存储，ubyte是一种无符号字节类型，取值范围在0~255之间。MNIST数据集的图像数据文件为"train-images-idx3-ubyte.gz"和"t10k-images-idx3-ubyte.gz"，其中前者存储了训练数据，后者存储了测试数据。这两个文件都可以从MNIST官方网站上下载。
模式识别报告：HWDB1.1手写汉字识别
Malidong的博客
06-29 1万+
一、简介 本次实验的任务是汉字识别。使用pytorch深度学习框架和HWDB手写汉字数据集进行实验。 二、开发环境 目前主流的神经网络框架有Tensorflow，Pytorch，MXNET，Keras等。本次实验使用Pytroch深度学习框架。PyTorch看作加入了GPU支持的numpy，并且它是一个拥有自动求导功能的强大的深度神经网络。 三、HWDB数据集 3.1 简介 HWDB是一个手写汉字数据集，该数据集来自于中科院自动化研究所，一共有三个版本，分别为HWDB1.0、HWDB1.1和HWDB1.2。
MNIST手写体数字识别数据集
wsml1933的博客
10-13 1万+
MNIST的加载及实现
手写汉字数据集（部分）
09-05
手写汉字数据集（HWDB1.1），图片形式的各种汉字以经分别在各个文件夹内存储好。
通用中文字数据集2，ocr识别文字
06-16
通用中文字数据集1，ocr识别文字，其中包括训练集合标签txt文件，测试集合标签txt文件，解压后即可看到
手写数字数据集0-9图片
05-16
此外，该数据集还提到支持定制汉字和字符，这意味着除了手写数字之外，还可以扩展到更复杂的字符识别任务，例如验证码识别或在线手写文字识别。这类任务通常需要更大的数据集和更复杂的模型架构。 总之，手写数字...
中文手写数字字符图片数据集
12-23
中文手写数字字符图片数据集，唯一的CSV文件chineseMNIST.csv，该文件包含15000个观察结果和4098列。列1到4096表示图像的每个像素(64x64)。最后两列为值标和汉字原文。 中文手写数字字符图片数据集，唯一的CSV文件...
手把手实战PyTorch手写数据集MNIST识别项目全流程
m0_58092763的博客
07-06 4919
手把手实战PyTorch手写数据集MNIST识别项目全流程 MNIST手写数据集是跑深度学习模型中很基础的、几乎所有初学者都会用到的数据集，认真领悟手写数据集的识别过程对于深度学习框架有着弥足重要的意义。然而目前各类文章中关于项目完全实战的记录较少，无法满足广大初学者的要求，故本文受B站Tommy启发来手把手从引入库开始进行对整个手写数据集识别的流程，这对于笔者以后的深度学习有着很大的必要性。...
手写汉字数字识别详细过程（构建数据集+CNN神经网络+Tensorflow）
BIGWJZ的博客
06-26 9884
手写汉字数字识别（构建数据集+CNN神经网络） 期末，P老师布置了一个大作业，自己构建数据集实现手写汉字数字的识别。太捞了，记录一下过程。大概花了一个下午加半个晚上，主要是做数据集花时间。 一、构建数据集——使用h5py 1.收集数据，这部分由我勤劳的室友们一起手写了800个汉字 一、二、三、四、五、六、七、八、九、十完成。这部分也没啥好说的，慢慢写呗。我们用了IPAD，然后截图，这样出来的图片质...
个人整理的数据集（手写中文数据、发票数据、快递单数据、车牌数据）
weixin_43143224的博客
04-12 4113
本人在工作生活中收集了各个方面比较多的真实的数据集如下: 一、手写中文数据集 1、档案类数据： 此数据集为手写档案数据，数量较大，大约128G，图像均未标注。 ex: 2、手写作文数据： 此数据集为手写作文数据，是大约800M左右，图像按行提供位置和内容标注，十分珍贵。 ex: 二、发票数据集： 1、增值税发票 此数据集包含了大量真实的增值税发票数据，大约9G，标注了发票位置数据，未提供详细标注。 ex: 2、购车发票 此数据集未提供标注。
基于深度学习的手写汉字识别系统（含PyQt+代码+训练数据集）
Matataya的博客
04-18 2296
本项目是基于深度学习网络模型的人脸表情识别系统，核心采用CNN卷积神经网络搭建，详述了数据集处理、模型构建、训练代码、以及基于PyQt5的应用界面设计。在应用中可以支持手写汉字图像的识别。
手写数字数据集MNIST
qq_37289115的博客
10-14 1万+
文章目录一、 简介二、下载MNIST数据集训练集和测试集的长度输出图像数据和标记数据的形状显示手写数字图片输出数据集中的第1个样本显示图片 一、 简介 MNIST是一个非常有名的手写体数字识别数据集(手写数字灰度图像数据集)，在很多资料中，这个数据集都会被用作深度学习的入门样例。 MNIST数据集是由0到9的数字图像构成的。训练图像有6万张，测试图像有1万张。MNIST数据集是NIST数据集的一个子集，它包含了60000张图片作为训练数据，10000张图片作为测试数据。由250个不同的人手写而成。 每一张图
用matlab搭建一个手写汉字的数据集
05-31
搭建手写汉字数据集需要以下步骤： 1. 收集样本：收集手写汉字样本，可以通过招募志愿者或者使用在线手写板等方式进行采集。 2. 图像处理：将手写汉字样本转换为数字矩阵，可以使用matlab中的image processing工具箱实现。具体步骤包括：将图片转换为灰度图、调整图片大小、将像素值归一化等。 3. 标注数据：将手写汉字样本的标签与数字矩阵对应起来，可以使用matlab中的repmat函数生成标签矩阵。 4. 划分数据集：将数据集划分为训练集、验证集和测试集，可以使用matlab中的randperm函数随机划分数据集。 5. 存储数据集：将处理好的手写汉字数据集存储为.mat文件，方便后续的模型训练和应用。 以下是一个简单的手写汉字数据集的搭建示例： ```matlab % 收集样本 % 假设手写汉字样本存储在data目录下，每个汉字的样本存储在一个单独的文件夹中 % 图像处理 dataset = []; for i = 1:3755 % 假设有3755个汉字 img_dir = sprintf('data/%d', i); img_files = dir([img_dir, '/*.jpg']); % 假设样本为jpg格式 for j = 1:length(img_files) img = imread([img_dir, '/', img_files(j).name]); % 读取图片 img = imresize(img, [32, 32]); % 调整图片大小为32x32 img = rgb2gray(img); % 将图片转换为灰度图 img = double(img(:)) / 255; % 将图片转换为数字矩阵并归一化 dataset = [dataset, img]; end end % 标注数据 y = double(repmat(eye(3755), 141, 1)); % 构造标签矩阵，每个汉字有141个样本 % 划分数据集 rand_idx = randperm(size(dataset, 2)); train_idx = rand_idx(1:8000); val_idx = rand_idx(8001:9000); test_idx = rand_idx(9001:end); train_dataset = dataset(:, train_idx); train_y = y(train_idx, :); val_dataset = dataset(:, val_idx); val_y = y(val_idx, :); test_dataset = dataset(:, test_idx); test_y = y(test_idx, :); % 存储数据集 save('handwritten_chinese.mat', 'train_dataset', 'train_y', 'val_dataset', 'val_y', 'test_dataset', 'test_y'); ``` 需要注意的是，以上代码示例仅是一个简单的手写汉字数据集的搭建示例，实际应用需要根据具体情况进行调整和扩展。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值