问题标签 [handwriting-recognition]

我是 AI 新手，根据本网站的教程，此代码是关于 mnist 数字识别的：tensorflow 教程。出于某种原因，我不能像教程中那样直接使用 mnist 数据。我的方法是先下载数据，然后解压到一个文件夹中。然后将数据读取为二进制数据，解码成numpy。我不知道为什么，准确率只有 0.098，与假设值 0.92 相差甚远。我的代码在这里：

此类用于处理 minist 数据。

我的 main.py 如下：

我有一个图像的投影配置文件。看起来像这样 。

代码看起来像这样

我想找到用于分隔不同行的行号。所需的 row_number 为 [0, 227, 381, 547, 687]。我尝试使用scipy.signal.argrelextrema()找到极值或局部最小值，但我也得到了其他（不需要的）最小值。所以我的问题是 - 是否有任何可能的技术让我可以找到这些行分隔符行号？

PS - 设置阈值似乎不起作用，因为对于新的图像投影配置文件可能会改变，所以阈值是。

任何帮助将不胜感激！！！

我正在使用带有 theano 后端的 Keras 来解决本文中解决的在线手写识别问题：http://papers.nips.cc/paper/3213-unconstrained-on-line-handwriting-recognition-with-recurrent-neural-networks 。 .pdf _

我按照 Keras 图像 ocr 示例https://github.com/keras-team/keras/blob/master/examples/image_ocr.py修改了在线手写样本而不是图像样本的代码。在使用包含 200 个 epoch 的 842 个文本行的数据集进行训练时，每个 epoch 大约需要 6 分钟，CTC logloss 在第一个 epoch 之后减少，但在所有剩余的 epoch 中保持不变。我也尝试过不同的优化器（sgd、adam、adadelta）和学习率（0.01、0.1、0.2），但损失几乎没有任何变化。

x_train.shape=(842,1263,4) [842 个文本行，4 维 1263 个笔画点]

y_train.shape=(842,64) [842 个文本行，每行 64 个 max_len 个字符]

标签类型 (len_alphabet)= 66

代码快照：

我的完整代码托管在这里：https ://github.com/aayushee/HWR/blob/master/Run/CTC.py 这些是模型和训练的截图： https ://github.com/aayushee/HWR /blob/master/Run/model.png https://github.com/aayushee/HWR/blob/master/Run/epochs.png

请建议是否需要修改模型架构，其他一些优化器会更好地解决这个问题，或者是否有其他东西可以解决这个问题。谢谢！

我想用手写笔InkCanvas在任何受支持的语言上书写。手写识别是由InkRecognizer对象完成的。

从他们可能的名字来看，我看到它包括英语（美国）、法语、德语和罗马尼亚语。我的电脑上安装了这 4 个语言包，但是当我用除英语之外的任何一个语言写单词时，我发现该单词无法识别。当我写“geht”时，没有使用（或不可用）德语的手写识别引擎。

我进入了这个演示并添加了两行代码来查看已安装的引擎。当我写德语单词“geht”时，只有两个，英语（美国）和英语（加拿大）。

我的问题是，如何安装手写识别引擎？如果作为用户我无法安装它们，为什么它们不可用？如果它们可用，为什么即使我安装了语言包也不使用它们？

我遵循了本教程，包括受限手写识别和国际手写识别部分。

我进入了 Windows 设置应用 > 时间和语言 > 地区和语言。我浏览了每种语言，点击了选项，只有英语有一些关于手写的信息。

对于其他人，没有关于语言选项和笔迹的信息。

我的 Windows 版本是 1709，这也是发生识别的应用程序支持的最低版本。

我被这个问题困住了。我使用 GAN 生成了手写数字。现在我想评估我生成的手写数字的准确性。有什么办法吗？？

几个月来，我一直在通过一个字符识别和笔迹转录项目为自己学习人工智能。到目前为止，我已经通过实现 CNN、CTC 神经网络成功地使用了 Keras、Theano 和 Tensorflow。

今天，我尝试使用高斯混合模型，这是迈向高斯发射隐马尔可夫模型的第一步。为此，我使用带有 pca 缩减的 sklearn 混合来选择具有 Akaike 和贝叶斯信息标准的最佳模型。Aic 的协方差类型为 Full，它提供了一个很好的 U 曲线，而 Bic 的协方差类型为 Tied，因为全协方差 Bic 只给出线性曲线。对于 12.000 个样本，我得到了 Aic 为 60 个 n 分量和 Bic 为 120 个 n 分量的最佳模型。

我的输入图像有 64 个像素，仅代表英文字母的大写字母，26 个类别，编号从 0 到 25。

Sklearn GaussianMixture 的 fit 方法忽略标签， predict 方法将分量的位置（0 到 59 或 0 到 119）返回到关于概率的 n 个分量中。

如何使用 sklearn GaussianMixture 检索列表中字符位置的原始标签？

我正在训练这种架构的手写识别模型：

训练 ctc 损失在第一个训练 epoch 突然下降，但在剩余的 epoch 中会出现平稳波动。标签错误率不仅波动，而且似乎并没有真正降低。

我应该提一下，每个样本的序列长度确实接近于最长 ground truth 的长度（即从 1024 开始，到它进入接近最长 ground truth 长度 21 的 ctc_loss 时变为 32）。

至于图像的预处理，我确保在调整大小时保持纵横比，并将图像向右填充以使其成为正方形，以便所有图像都有宽度并且手写文字将在左侧. 我还反转了图像的颜色，使得手写字符具有最高的像素值 (255) 和背景，而其余的具有最低的像素值 (0)。

预测是这样的。第一部分是一组随机字符串，最后是一堆零（这可能是由于填充而预期的）。

以下是我如何将 cnn 输出折叠到 rnn dims：

以下是我如何将 rnn 折叠为 ctc dims：

我正在使用 MyScript Interactive ink SDK 来转换手写数学方程。我使用他们拥有的测试示例测试了 SDK，一切都很好。我将他们的许多代码逻辑导入到我的应用程序中，并且能够成功设置引擎和编辑器。我可以编写项目，甚至可以在编辑器中使用重做、清除和撤消项目。问题是每次我试图隐藏它时，它都会返回一个“？”。

要转换的函数如下所示，与 MyScript 提供的示例中的代码完全相同 -

在 AppDelegate.swift 文件中为引擎创建包的代码和在引擎中设置的代码也是相同的。

我附上了一张关于返回值的图片

像这儿

我无法弄清楚为什么我会遇到此错误以及引擎和/或编辑器设置的哪一部分我做错了。

谢谢你！

我试图过拟合这种架构的手写识别模型：

使用来自 tensorflow 的 mdrnn 代码（稍作修改）：

训练 ctc_loss 会减少，但即使经过一千个 epoch 也不会收敛。标签错误率只是波动。

我对图像进行预处理，使其看起来像这样：

我还注意到网络在某些点生成了相同的预测：

为什么会发生这种情况？这是我制作的一个可重复的小例子https://github.com/selcouthlyBlue/CNN-LSTM-CTC-HIGH-LOSS

更新

当我从这里更改转换时：

对此：

性能以某种方式有所改善：

（这里删除了 mdrnn 层）

（第二次运行）

（添加了 mdrnn 层）

但是损失仍然没有下降到零（或接近零），标签错误率仍在波动。

将优化器从 更改为Adam衰减RMSProp率为 后0.9，损失现在收敛！

但是标签错误率仍然波动。但是，随着损失的收敛，它现在应该会下跌。

更多更新

我在我拥有的真实数据集上进行了尝试，它确实有所改善！

前

后

但是标签错误率正在增加，原因仍然未知。

我们能否将输入图像中的特定坐标发送到 MS 手写识别 API，以便识别不是整个图像，而是仅识别图像中的那些特定区域。