基于深度學習的手寫數(shù)字識別項目GUI（Deep Learning Project）

一步一步教你建立手寫數(shù)字識別項目，需要源文件的請可直接跳轉(zhuǎn)下邊的鏈接：All project

本文摘要

在本文中，我們將使用MNIST數(shù)據(jù)集實現(xiàn)一個手寫數(shù)字識別應(yīng)用程序。我們將使用一種特殊類型的深度神經(jīng)網(wǎng)絡(luò)，即卷積神經(jīng)網(wǎng)絡(luò)。最后，我們將構(gòu)建一個GUI，您可以在其中繪制數(shù)字并立即識別它。

實現(xiàn)效果：

運行項目的需求

這個有趣的Python項目要求你具備Python編程的基本知識，使用Keras庫和Tkinter庫進行深度學習，以構(gòu)建GUI。

使用下面的命令為這個項目安裝必要的庫:

pip install numpy, tensorflow, keras, pillow,

MNIST 數(shù)據(jù)集

這可能是機器學習和深度學習愛好者中最受歡迎的數(shù)據(jù)集之一。MNIST數(shù)據(jù)集包含60,000張從0到9的手寫數(shù)字的訓練圖像和10,000張用于測試的圖像。MNIST數(shù)據(jù)集有10個不同的類。手寫數(shù)字圖像表示為28×28矩陣，其中每個單元格包含灰度像素值。

建立基于深度學習的手寫數(shù)字識別項目

以下是實現(xiàn)手寫數(shù)字識別項目的步驟:

1、導入庫并加載數(shù)據(jù)集

首先，我們將導入訓練模型所需的所有模塊。Keras庫已經(jīng)包含了一些數(shù)據(jù)集，MNIST就是其中之一。所以我們可以很容易地導入數(shù)據(jù)集并開始使用它。mnist.load_data()方法返回訓練數(shù)據(jù)及其標簽以及測試數(shù)據(jù)及其標簽。

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

# the data, split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()

print(x_train.shape, y_train.shape)

2、處理數(shù)據(jù)集

圖像數(shù)據(jù)不能直接輸入到模型中，所以我們需要對數(shù)據(jù)進行一些操作和處理，使其為神經(jīng)網(wǎng)絡(luò)做好準備。訓練數(shù)據(jù)的維數(shù)為(60000,28,28)。CNN模型將需要多一個維度，因此我們將矩陣重塑為形狀(60000,28,28,1)。

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
x_test = x_test.reshape(x_test.shape[0], 28, 28, 1)
input_shape = (28, 28, 1)

# convert class vectors to binary class matrices
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')

3、建立模型

現(xiàn)在我們將在Python數(shù)據(jù)科學項目中創(chuàng)建CNN模型。CNN模型通常由卷積層和池化層組成。它對于表示為網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)效果更好，這就是為什么CNN在圖像分類問題上效果很好的原因。dropout層用于使一些神經(jīng)元失活，在訓練時，它減少了模型的擬合。然后，我們將使用Adadelta優(yōu)化器編譯模型。

batch_size = 128
num_classes = 10
epochs = 10

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adadelta(),metrics=['accuracy'])

4、訓練模型

Keras的model.fit()函數(shù)將開始模型的訓練。它需要訓練數(shù)據(jù)、驗證數(shù)據(jù)、epoch和批大小。

訓練模型需要一些時間。訓練完成后，我們將權(quán)值和模型定義保存在“mnist.h5”文件。

hist = model.fit(x_train, y_train,batch_size=batch_size,epochs=epochs,verbose=1,validation_data=(x_test, y_test))
print("The model has successfully trained")

model.save('mnist.h5')
print("Saving the model as mnist.h5")

5、評估模型

我們的數(shù)據(jù)集中有10,000張圖像，這些圖像將用于評估我們的模型工作的好壞。測試數(shù)據(jù)沒有參與數(shù)據(jù)的訓練，因此是我們模型的新數(shù)據(jù)。MNIST數(shù)據(jù)集很好地平衡了，所以我們可以得到大約99%的準確率。

score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

6、建立GUI界面預(yù)測數(shù)字

現(xiàn)在對于GUI，我們已經(jīng)創(chuàng)建了一個新文件，我們在其中構(gòu)建了一個交互式窗口，用于在畫布上繪制數(shù)字，并且通過一個按鈕，我們可以識別數(shù)字。Tkinter庫包含在Python標準庫中。我們已經(jīng)創(chuàng)建了一個函數(shù)predict_digit()，它將圖像作為輸入，然后使用訓練好的模型來預(yù)測數(shù)字。

然后我們創(chuàng)建App類，它負責為我們的應(yīng)用程序構(gòu)建GUI。我們創(chuàng)建一個畫布，我們可以通過捕獲鼠標事件和按鈕來繪制，我們觸發(fā)predict_digit()函數(shù)并顯示結(jié)果。

下面是我們的gui_digit_recognizer.py文件的完整代碼:

from keras.models import load_model
from tkinter import *
import tkinter as tk
import win32gui
from PIL import ImageGrab, Image
import numpy as np

model = load_model('mnist.h5')

def predict_digit(img):
    #resize image to 28x28 pixels
    img = img.resize((28,28))
    #convert rgb to grayscale
    img = img.convert('L')
    img = np.array(img)
    #reshaping to support our model input and normalizing
    img = img.reshape(1,28,28,1)
    img = img/255.0
    #predicting the class
    res = model.predict([img])[0]
    return np.argmax(res), max(res)

class App(tk.Tk):
    def __init__(self):
        tk.Tk.__init__(self)

        self.x = self.y = 0

        # Creating elements
        self.canvas = tk.Canvas(self, width=300, height=300, bg = "white", cursor="cross")
        self.label = tk.Label(self, text="Thinking..", font=("Helvetica", 48))
        self.classify_btn = tk.Button(self, text = "Recognise", command =         self.classify_handwriting) 
        self.button_clear = tk.Button(self, text = "Clear", command = self.clear_all)

        # Grid structure
        self.canvas.grid(row=0, column=0, pady=2, sticky=W, )
        self.label.grid(row=0, column=1,pady=2, padx=2)
        self.classify_btn.grid(row=1, column=1, pady=2, padx=2)
        self.button_clear.grid(row=1, column=0, pady=2)

        #self.canvas.bind("<Motion>", self.start_pos)
        self.canvas.bind("<B1-Motion>", self.draw_lines)

    def clear_all(self):
        self.canvas.delete("all")

    def classify_handwriting(self):
        HWND = self.canvas.winfo_id() # get the handle of the canvas
        rect = win32gui.GetWindowRect(HWND) # get the coordinate of the canvas
        im = ImageGrab.grab(rect)

        digit, acc = predict_digit(im)
        self.label.configure(text= str(digit)+', '+ str(int(acc*100))+'%')

    def draw_lines(self, event):
        self.x = event.x
        self.y = event.y
        r=8
        self.canvas.create_oval(self.x-r, self.y-r, self.x + r, self.y + r, fill='black')

app = App()
mainloop()

截屏結(jié)果

總結(jié)

在本文中，我們成功地在手寫數(shù)字識別應(yīng)用程序上構(gòu)建了一個Python深度學習項目。我們構(gòu)建并訓練了卷積神經(jīng)網(wǎng)絡(luò)，它對于圖像分類非常有效。稍后，我們構(gòu)建GUI，在畫布上繪制數(shù)字，然后對數(shù)字進行分類并顯示結(jié)果。