type-script_Chinese_character_realizing: A Python repository from xbsdsongnan

人工神经网络完成字体的分类鉴定

1、类比于MNIST手写数字集的识别，完成汉字的不同字体的分类识别

2、汉字的字体识别从字体库中获取

3、每个字体可以获取114个字(本工程中只选取了这么多)，尽量包含汉字中的笔画的所有变化

4、使用卷积神经网络，对汉字图片进行基本的特征提取

5、标签类似于MNIST手写数字集的处理，为不同的字体的名称（宋体，黑体，等。。。）

6、完成训练

运行环境配置：

GPU TITAN xp、python 2.1.15(anaconda)，keras-gpu=2.2.4, tensorflow-gpu=1.8.0
其他依赖包...

下面是参与训练的相关字体库：

ttf_sets:
DENG.TTF
FZSTK.TTF
FZYTK.TTF
MSYH.TTC
MSYHBD.TTC
MSYHL.TTC
SIMLI.TTF
SIMYOU.TTF
STHUPO.TTF
STSONG.TTF

下面是本项目基本结构图：

预处理：

数据集生成：
文字转图片：
python str2img.py

图片大小设定（28*28）：
python reshape_img.py

运行：

python demo.py

测试：

python test.py 测试数据集包含在 datasets/testimages下面测试数据集生成：使用str2img.py生成

运行结果：

训练阶段：

1140/1140 [==============================] - 3s 3ms/step - loss: 1.8116 - acc: 0.3211 - val_loss: 0.7419 - val_acc: 0.7167
Epoch 2/10
1140/1140 [==============================] - 2s 2ms/step - loss: 0.6283 - acc: 0.7746 - val_loss: 0.2111 - val_acc: 0.9500
Epoch 3/10
1140/1140 [==============================] - 2s 2ms/step - loss: 0.2964 - acc: 0.8921 - val_loss: 0.1274 - val_acc: 0.9333
Epoch 4/10
1140/1140 [==============================] - 4s 4ms/step - loss: 0.1810 - acc: 0.9342 - val_loss: 0.1197 - val_acc: 0.9500
Epoch 5/10
1140/1140 [==============================] - 5s 4ms/step - loss: 0.1145 - acc: 0.9588 - val_loss: 0.0270 - val_acc: 1.0000
Epoch 6/10
1140/1140 [==============================] - 5s 5ms/step - loss: 0.0863 - acc: 0.9754 - val_loss: 0.1257 - val_acc: 0.9833
Epoch 7/10
1140/1140 [==============================] - 5s 4ms/step - loss: 0.0724 - acc: 0.9763 - val_loss: 0.1124 - val_acc: 0.9500
Epoch 8/10
1140/1140 [==============================] - 5s 4ms/step - loss: 0.0488 - acc: 0.9842 - val_loss: 0.0128 - val_acc: 1.0000
Epoch 9/10
1140/1140 [==============================] - 5s 4ms/step - loss: 0.0434 - acc: 0.9860 - val_loss: 0.0060 - val_acc: 1.0000
Epoch 10/10
1140/1140 [==============================] - 5s 4ms/step - loss: 0.0364 - acc: 0.9877 - val_loss: 0.0928 - val_acc: 0.9833
Test loss: 0.0927583186577
Test accuracy: 0.983333333333
训练结果看起来有些过拟合.....

测试阶段

datasets/testimages/004.jpg
datasets/testimages/009.jpg
datasets/testimages/001.jpg
datasets/testimages/006.jpg
datasets/testimages/005.jpg
datasets/testimages/003.jpg
datasets/testimages/000.jpg
datasets/testimages/002.jpg
datasets/testimages/008.jpg
datasets/testimages/007.jpg
('test shape:', (10, 28, 28, 1))
(10, 'test samples')
4
9
1
6
5
3
0
2
8
7
经过softmax分类过后，与投喂的测试数据集类别吻合，泛化能力还行...

xbsdsongnan/type-script_Chinese_character_realizing