初次接觸TensorFlow，而手寫數字訓練識別是其最基本的入門教程，網上關於訓練的教程很多，但是模型的測試大多都是官方提供的一些素材，能不能自己隨便寫一串數字讓機器識別出來呢？紙上得來終覺淺，帶着這個疑問昨晚研究了下，利用這篇文章來記錄下自己的一些心得！
以下這個圖片是我隨機寫的一串數字，我的目標是利用訓練好的模型來識別出圖片里面的手寫數字，開始實戰！
2層卷積神經網絡的訓練：
from tensorflow.examples.tutorials.mnist import input_data # 保存模型需要的庫 from tensorflow.python.framework.graph_util import convert_variables_to_constants from tensorflow.python.framework import graph_util # 導入其他庫 import tensorflow as tf import cv2 import numpy as np # 獲取MINIST數據 mnist = input_data.read_data_sets("MNIST_data", one_hot=True) # 創建會話 sess = tf.InteractiveSession() # 占位符 x = tf.placeholder("float", shape=[None, 784], name="Mul") y_ = tf.placeholder("float", shape=[None, 10], name="y_") # 變量 W = tf.Variable(tf.zeros([784, 10]), name='x') b = tf.Variable(tf.zeros([10]), 'y_') # 權重 def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.1) return tf.Variable(initial) # 偏差 def bias_variable(shape): initial = tf.constant(0.1, shape=shape) return tf.Variable(initial) # 卷積 def conv2d(x, W): return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') # 最大池化 def max_pool_2x2(x): return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # 相關變量的創建 W_conv1 = weight_variable([5, 5, 1, 32]) b_conv1 = bias_variable([32]) x_image = tf.reshape(x, [-1, 28, 28, 1]) h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) h_pool1 = max_pool_2x2(h_conv1) W_conv2 = weight_variable([5, 5, 32, 64]) b_conv2 = bias_variable([64]) # 激活函數 h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) h_pool2 = max_pool_2x2(h_conv2) W_fc1 = weight_variable([7 * 7 * 64, 1024]) b_fc1 = bias_variable([1024]) W_fc2 = weight_variable([1024, 10]) b_fc2 = bias_variable([10]) h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64]) h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1) keep_prob = tf.placeholder("float", name='rob') h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) # 用於訓練用的softmax函數 y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2, name='res') # 用於訓練作完后，作測試用的softmax函數 y_conv2 = tf.nn.softmax(tf.matmul(h_fc1, W_fc2) + b_fc2, name="final_result") # 交叉熵的計算，返回包含了損失值的Tensor。 cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv)) # 優化器，負責最小化交叉熵 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1)) # 計算准確率 accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) # 初始化所以變量 sess.run(tf.global_variables_initializer()) # 保存輸入輸出，可以為之后用 tf.add_to_collection('res', y_conv) tf.add_to_collection('output', y_conv2) tf.add_to_collection('x', x) # 訓練開始 for i in range(10000): batch = mnist.train.next_batch(50) if i % 100 == 0: train_accuracy = accuracy.eval(feed_dict={ x: batch[0], y_: batch[1], keep_prob: 1.0}) print("step %d, training accuracy %g" % (i, train_accuracy)) # run()可以看做輸入相關值給到函數中的占位符，然后計算的出結果，這里將batch[0]，給xbatch[1]給y_ train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5}) # 將當前圖設置為默認圖 graph_def = tf.get_default_graph().as_graph_def() # 將上面的變量轉化成常量，保存模型為pb模型時需要,注意這里的final_result和前面的y_con2是同名，只有這樣才會保存它，否則會報錯， # 如果需要保存其他tensor只需要讓tensor的名字和這里保持一直即可 output_graph_def = tf.graph_util.convert_variables_to_constants(sess,graph_def, ['final_result']) # 用saver 保存模型 saver = tf.train.Saver() saver.save(sess, "model_data/model")
網絡訓練成功后在model_data文件夾里有如下四個文件：
網絡模型的驗證可大致從以下三個部分來進行：
接下來就是要利用上面的圖片來測試我們的模型。實際上圖像的預處理部分很關鍵，也就是如何准確的提取出上面圖像中的數字的區域，並且進行閾值分割，傳統的單一閾值分割很難達到要求，因此本次分割采用基於改進的Niblack的分割方法，大家有興趣可以查閱相關的資料。
分割完了之后要標記連通區域，去除那些小點區域。找到其外接矩形，可認為這個矩形區域就是我們感興趣的區域。
降采樣為28*28的大小來進行識別。
代碼部分如下所示：
""" 基於TensorFlow的手寫數字識別 Author_Zjh 2018/12/3 """ import numpy as np import cv2 import matplotlib.pyplot as plt import imutils import matplotlib.patches as mpatches from skimage import data,segmentation,measure,morphology,color import tensorflow as tf class Number_recognition(): """ 模型恢復初始化""" def __init__(self,img): self.sess = tf.InteractiveSession() saver = tf.train.import_meta_graph('model_data/model.meta') saver.restore(self.sess, 'model_data/model') #模型恢復 # graph = tf.get_default_graph() # 獲取輸入tensor,,獲取輸出tensor self.input_x = self.sess.graph.get_tensor_by_name("Mul:0") self.y_conv2 = self.sess.graph.get_tensor_by_name("final_result:0") self.Preprocessing(img)#圖像預處理 def recognition(self,im): im = cv2.resize(im, (28, 28), interpolation=cv2.INTER_CUBIC) x_img = np.reshape(im, [-1, 784]) output = self.sess.run(self.y_conv2, feed_dict={self.input_x: x_img}) print('您輸入的數字是 %d' % (np.argmax(output))) return np.argmax(output)#返回識別的結果 def Preprocessing(self,image): if image.shape[0]>800: image = imutils.resize(image, height=800) #如果圖像太大局部閾值分割速度會稍慢些，因此圖像太大時進行降采樣 img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # convert to gray picture m1, n1 = img.shape k = int(m1 / 19) + 1 l = int(n1 / 19) + 1 img = cv2.GaussianBlur(img, (3, 3), 0) # 高斯濾波 imm = img.copy() # 基於Niblack的局部閾值分割法，對於提取文本類圖像分割效果比較好 for x in range(k): for y in range(l): s = imm[19 * x:19 * (x + 1), 19 * y:19 * (y + 1)] me = s.mean() # 均值 var = np.std(s) # 方差 t = me * (1 - 0.2 * ((125 - var) / 125)) ret, imm[19 * x:19 * (x + 1), 19 * y:19 * (y + 1)] = cv2.threshold( imm[19 * x:19 * (x + 1), 19 * y:19 * (y + 1)], t, 255, cv2.THRESH_BINARY_INV) label_image = measure.label(imm) # 連通區域標記 for region in measure.regionprops(label_image): # 循環得到每一個連通區域屬性集 # 忽略小區域 if region.area < 100: continue minr, minc, maxr, maxc = region.bbox# 得到外包矩形參數 cv2.rectangle(image, (minc, minr), (maxc, maxr), (0, 255, 0), 2)#繪制連通區域 im2 = imm[minr - 5:maxr + 5, minc - 5:maxc + 5] #獲得感興趣區域，也即每個數字的區域 number = self.recognition(im2)#進行識別 cv2.putText(image, str(number), (minc, minr - 10), 0, 2, (0, 0, 255), 2)#將識別結果寫在原圖上 cv2.imshow("Nizi", imm) cv2.imshow("Annie", image) cv2.waitKey(0) if __name__=='__main__': img = cv2.imread("num.jpg") x=Number_recognition(img)
分割結果如下所示：
識別結果如下所示：
發現9和4識別錯誤，其余的均識別正確，有可能是數據量和網絡迭代次數較少的原因！
版權聲明：本文為CSDN博主「zzzzjh」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/zzzzjh/article/details/84783277
關注【OpenCV與AI深度學習】
長按或者掃描下面二維碼即可關注
