Ian0720 / MNIST-Series-DL-AI

Handwriting Prediction Deep Learning Model Using 'OpenCV Deep Learning'.

MNIST-Series 'OpenCV와 Deep Learning'

필기체 숫자 영상 인식을 딥러닝을 통해 학습된 모델

• It learned through deep learning of cursive numeric image recognition
  

Requirements

• Keras
  
• Numpy
  
• Matplotlib
  
• OpenCV
  
• Tensorflow 2.x
  

파일 구성 설명 (File Configuration Description)

Name	About	Etc
Dir. model	딥러닝으로 학습된 모델이 저장된 디렉토리 Directory in which models learned from deep learning are stored	제 노트북 기준, 학습된 모델입니다. This is a model that was learned based on my laptop.
Mnist_pred_model.py	제일 먼저, 시작되어야 하는 파일로 'MNIST' 예측 모델에 해당합니다. The first model to start with, corresponding to the 'MNIST' prediction model.	해당 소스코드를 실행할 경우, 'model' 디렉토리에 가장 최적의 모델이 저장됩니다. If you run that source code, the 'model' directory stores the best.
Mnist_test_model.py	소스코드에서 학습된 모델 중, 가장 최적화된 모델을 불러오고 테스트 하는 부분입니다. The part of the model learned from the source code that brings up and tests the most optimized.	저는 13번째 에폭 모델이 최상의 결과이므로, 그것을 가져와서 실행하였습니다. The 13th epoch model is the best result, I took it and implemented it.
Mnist_pred_Handwrite.py	테스트까지 완료한, 학습된 모델에 제가 쓴 손글씨를 입력하여 예측을 진행하였습니다. I made a prediction by typing my handwriting in the learned model that I completed the test.	가급적이면, 주피터 노트북에서 사용하심을 권장합니다. If possible, it is recommended that you use it in your Jupiter notebook.

소스코드를 사용하여, 예측된 샘플 본(Sample examples predicted using the source code.)

• 예측에 성공한 샘플(Sample which Successful Prediction)
  
  
• 예측에 실패한 샘플(Sample with failed Prediction)
  
  

소스코드를 사용하여, 손글씨를 예측한 샘플 본(Sample 'The HandWrite Image' examples predicted using the source code)

• 예측한 결과물(The result from Handwrite sample image)
  
  

작업 과정(Task Course)

• 손글씨 컨투어링 과정(HandWriting Contouring Process)
  

- 28 x 28 사이즈 규격화(Size standardization to 28 x 28)