mnist_recognition
手写体数字识别的示例，界面可选不同模型
作者：Ianpanda
实现了三个模型对MNIST数据集的识别(KNN、Softmax、CNN)
本系统运行需要用户确认以下依赖环境已经配置完成：
1、Python 3.5(64位) 及以上版本；
2、numpy 1.13.3 及以上版本；
3、TensorFlow 1.3.0 及以上版本(若运行GPU版本，需配置cuda v8.0及cudnn库)；
4、opencv-python 3.3.1 及以上版本；
5、PyQt5 5.6 及以上版本；
6、将tensorboard.exe所在文件夹加入系统环境路径Path之中(文件夹为“*\Scripts”，*代表用户python安装路径文件夹)。
注：安装依赖库可使用pip命令安装，如安装opencv-python可使用命令“pip install opencv-python”安装。
本系统文件说明
| 模块 | 包含文件 | 功能说明 |
|---|---|---|
| dataload | load_MNIST_data.py | 载入MNIST数据集 |
| feature | contour.py | 提取图像轮廓特征 |
| correct.py | 图像的偏移校正 | |
| histogram.py | 提取图像HOG特征 | |
| sharpening.py | 提取图像锐化特征 | |
| subsampling.py | 提取图像池化特征 | |
| model | MNIST_CNN.py | 建立CNN模型 |
| MNIST_KNN.py | 建立KNN模型 | |
| MNIST_Softmax.py | 建立Softmax模型 | |
| main | mnist_GUI.py | 主函数体，执行GUI界面 |
| other | MNIST_datasets_decode.py | 解码MNIST标准数据集 |
| mnist_gui_design.py | GUI控件布局 |