本文介绍利用MNIST数据集构建多数字识别模型的过程。先通过预处理MNIST数据，拼接生成含多个数字的训练集和测试集；接着安装PaddleOCR及依赖，下载预训练模型；然后训练模型并导出；最后采样测试图片，用导出的模型进行识别测试。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
怪兽AI数字人
数字人短视频创作，数字人直播，实时驱动数字人
44 查看详情
引入
传统的基于 MNIST 数据集的手写数字识别模型只能识别单个数字但实际使用环境中，多数字识别才是更加常见的情况本次就使用 MNIST 数据集，通过拼接数据的方式，实现多数字识别模型
构建数据集
拼接采样数据集In [ ]
%cd ~!mkdir dataset !mkdir dataset/train!mkdir dataset/testimport cv2import randomimport numpy as npfrom tqdm import tqdmfrom paddle.vision.datasets import MNIST# 加载数据集mnist_train = MNIST(mode='train', backend='cv2')mnist_test = MNIST(mode='test', backend='cv2')# 数据集预处理datas_train = {}for i in range(len(mnist_train)): sample = mnist_train[i] x, y = sample[0], sample[1] _sum = np.sum(x, axis=0) _where = np.where(_sum > 0) x = 255 - x[:, _where[0][0]: _where[0][-1]+1] if str(y[0]) in datas_train: datas_train[str(y[0])].append(x) else: datas_train[str(y[0])] = [x]datas_test = {}for i in range(len(mnist_test)): sample = mnist_test[i] x, y = sample[0], sample[1] _sum = np.sum(x, axis=0) _where = np.where(_sum > 0) x = 255 - x[:, _where[0][0]: _where[0][-1]+1] if str(y[0]) in datas_test: datas_test[str(y[0])].append(x) else: datas_test[str(y[0])] = [x]# 图片拼接采样datas_train_list = []for num in tqdm(range(0, 999)): for _ in range(1000): imgs = [255 - np.zeros((28, np.random.randint(10)))] for word in str(num): index = np.random.randint(0, len(datas_train[word])) imgs.append(datas_train[word][index]) imgs.append(255 - np.zeros((28, np.random.randint(10)))) img = np.concatenate(imgs, 1) cv2.imwrite('dataset/train/%03d_%04d.jpg' % (num, _), img) datas_train_list.append('train/%03d_%04d.jpgt%dn' % (num, _, num))datas_test_list = []for num in tqdm(range(0, 999)): for _ in range(50): imgs = [255 - np.zeros((28, np.random.randint(10)))] for word in str(num): index = np.random.randint(0, len(datas_test[word])) imgs.append(datas_test[word][index]) imgs.append(255 - np.zeros((28, np.random.randint(10)))) img = np.concatenate(imgs, 1) cv2.imwrite('dataset/test/%03d_%04d.jpg' % (num, _), img) datas_test_list.append('test/%03d_%04d.jpgt%dn' % (num, _, num))# 数据列表生成with open('dataset/train.txt', 'w') as f: for line in datas_train_list: f.write(line)with open('dataset/test.txt', 'w') as f: for line in datas_test_list: f.write(line)
数据样例展示
安装 PaddleOCR
In [ ]
!git clone https://gitee.com/PaddlePaddle/PaddleOCR -b release/2.1 --depth 1
安装依赖环境
In [ ]
!pip install imgaug pyclipper lmdb Levenshtein
下载预训练模型
In [ ]
%cd ~/PaddleOCR!wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_pre.tar!cd pretrain_models && tar -xf ch_ppocr_mobile_v2.0_rec_pre.tar && rm -rf ch_ppocr_mobile_v2.0_rec_pre.tar
模型训练
In [8]
%cd ~/PaddleOCR!python tools/train.py -c ../multi_mnist.yml
模型导出
In [34]
%cd ~/PaddleOCR!python3 tools/export_model.py -c ../multi_mnist.yml -o Global.pretrained_model=../output/multi_mnist/best_accuracy Global.load_static_weights=False Global.save_inference_dir=../inference/multi_mnist
采样测试图片
In [45]
%cd ~/PaddleOCR!mkdir ~/test_imgsimport cv2import randomimport numpy as npfrom tqdm import tqdmfrom paddle.vision.datasets import MNIST# 加载数据集mnist_test = MNIST(mode='test', backend='cv2')# 数据集预处理datas_test = {}for i in range(len(mnist_test)): sample = mnist_test[i] x, y = sample[0], sample[1] _sum = np.sum(x, axis=0) _where = np.where(_sum > 0) x = 255 - x[:, _where[0][0]: _where[0][-1]+1] if str(y[0]) in datas_test: datas_test[str(y[0])].append(x) else: datas_test[str(y[0])] = [x]# 图片拼接采样for num in range(0, 1000): imgs = [255 - np.zeros((28, np.random.randint(10)))] for word in str(num): index = np.random.randint(0, len(datas_test[word])) imgs.append(datas_test[word][index]) imgs.append(255 - np.zeros((28, np.random.randint(10)))) img = np.concatenate(imgs, 1) cv2.imwrite('../test_imgs/%03d.jpg' % num , img)
模型测试
In [46]
%cd ~/PaddleOCR!python tools/infer/predict_rec.py --image_dir="../test_imgs" --rec_model_dir="../inference/multi_mnist/" --rec_image_shape="3, 28, 64" --rec_char_type="ch" --rec_char_dict_path="../label_list.txt"
以上就是PaddleOCR：基于 MNIST 数据集的手写多数字识别的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/316561.html
微信扫一扫 
支付宝扫一扫 
