# AUFE-hys

**Repository Path**: hu-yashi/aufe-hys

## Basic Information

- **Project Name**: AUFE-hys
- **Description**: 本项目是手写数字识别系统
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-02-29
- **Last Updated**: 2024-10-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 手写体数字识别系统

 **项目介绍** 
手写体数字识别现在仍是图像识别分类的一个热点，而基于卷积神经网络模型以其较短的学习时间和较高的识别精度优势得到广泛应用，使得CNN神经网络在图像处理领域有出色表现。以实现手写体数字高精度识别为目标，设计并实现一个基于卷积神经网络的高精度手写体数字识别系统。
本软件是一个手写体数字识别软件，采用CNN进行手写数字识别，采用tensorflow搭建了网络模型，对MNIST数据集进行训练，手写数字识别。

 **实验环境** 
系统：Windows10操作系统
语言：Python3.7
深度学习框架：tensorflow深度学习框架
图形界面框架：PyQt5

 **软件架构** 
软件架构说明 本系统将以pycharm为开发环境，以Python为编程语言，将在tensorflow中构建一个简单的卷积神经网络模型，用MINIST数据集来训练计算机识别手写数字，
本文基于CNN对MNIST数据集进行训练，采用tensorflow搭建自制网络模型，卷积神经网络CNN流程主要是先传入图像，然后进行卷积、池化操作，特征图展平后进行全连接，最后返回类别结果。
使用Tkinter设计GUI界面，并最终实现CNN与GUI界面结合，从而在GUI界面可以测试手写数字，实现识别自制的黑色背景白色字体和白色背景黑色字体的手写数字准确率均达到预期。

 **数据集介绍** 
使用 MNIST 手写数字数据集，该数据集包含了 0 到 9 的手写数字图片，每张图片为28x28 像素的灰度图像。使用 Python（推荐使用 scikit-learn 库）加载 MNIST 数据集。
对数据集中的图像进行预处理，将每张 28x28 像素的图片转换为一个 784 维的向量。
下载地址
https://combofish.github.io/2021/09/19/mnist-download-and-view.html#orga336a9b

下载数据集：
使用 torchvision 中的 datasets 下载数据集。注意不用 transform。


```
from torchvision import datasets
train_data = datasets.MNIST(root="./data/", train=True, download=True)
test_data = datasets.MNIST(root="./data/", train=False, download=True)
```


### 安装教程
Python

Python官网：https://www.python.org/

anaconda

anaconda的下载地址为：https://docs.conda.io/en/latest/miniconda.html

pycharm

pycharm的下载地址为：https://www.jetbrains.com/pycharm/download/#section=windows

 **必要的库** （可通过requirements.txt文件进行pip安装）

pip install -r requirements.txt
 
Keras==2.3.1

numpy==1.18.5

PyQt5==5.15.9

tensorflow==2.0.0

protobuf==3.20.1



 **安装PyQt5库失败时，请检查 Visual Studio 生成工具 的安装。** 

Visual Studio下载：https://visualstudio.microsoft.com/

安装插件：https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/

选择“使用 C++ 的桌面开发”工作负载

### 创建虚拟环境使用系统  

 **在项目文件夹目录下面打开cmd 创建并激活虚拟环境：** 

``conda create -n shuzi python=3.7``

`conda activate shuzi`

 **安装必要的包:** 

`pip install -r requirements.txt`（一键自动下载文件中的所有包）


 **在pycharm中设置虚拟解释器：具体操作可见以下网页教程第二大点使用pycharm引用已有的conda虚拟环境** 

https://blog.csdn.net/bkirito/article/details/132026604?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171785726616800180674821%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=171785726616800180674821&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-4-132026604-null-null.142^v100^pc_search_result_base4&utm_term=pycharm%E6%80%8E%E4%B9%88%E8%AE%BE%E7%BD%AE%E8%99%9A%E6%8B%9F%E7%8E%AF%E5%A2%83&spm=1018.2226.3001.4187