jsyqrt / hwr-address

(Deprecated) deep learning based Chinese handwriting character recognition, 基于深度学习的手写汉字地址识别

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

hwr-address !!! This is Deprecated!!!

基于深度学习的手写汉字地址识别

  1. 汉字单字识别

    • 使用 8 层CNN和 2 层全连接识别 3755 个 GB2312 一级汉字 [1], 鉴于3755个类训练时间过长,调整为1056个类(县级以上地址的字符与一级汉字的交集)。

    • 使用 2 层CNN和 1 层全连接识别 15 的中文地址关键字, 省,市,县,区,乡,镇,村,巷,弄,路, 街, 社, 组, 队, 州

    • 使用 HCL2000 中文汉字手写数据库,对每个汉字 包含 700 个训练样本和 300 个测试样本 [2]

  2. 地址树构建

    • 使用 民政部 《2013年中华人民共和国县以下行政区划代码》作为知识库, 构建形如

      
       **
       	上海市
       		浦东新区
       			张江镇
       		黄浦区
       		...
       	...
      
      

      的地址树,用于验证识别的汉字。

  3. 综合识别

    • 输入: 单行图片格式中文手写汉字地址

    • 输出: 识别结果(中文字符串)

  4. 模型,框架,工具

    • python语言

    • tensorflow,keras两种实现,相较之下,keras的封装实现效率更高

    • 目录

    
    /src 			# source code
    /data/ 			# dataset and train result
    	address/	# address tree
    	hcl/		# HCL2000 数据库
    	result/		# train result
    	sample/		# test samples,jpg pictures
    /test
    	test_recognize.py # just run it, it will show you the result.
    /tools/			# some io tools
    
    
  5. 运行

    cd test
    python test_recognize.py
    
    
  6. 参考文献

    1. Zhang X Y, Bengio Y, Liu C L. Online and Offline Handwritten Chinese Character Recognition: A Comprehensive Study and New Benchmark[J]. Pattern Recognition, 2016, 61(61):348-360.

    2. Zhang H, Guo J, Chen G, et al. HCL2000 - A Large-scale Handwritten Chinese Character Database for Handwritten Character Recognition[C]// International Conference on Document Analysis and Recognition. IEEE Computer Society, 2009:286-290.

  7. 工具的安装

    • tensorflow, Ubuntu可以直接通过sudo apt-get install tensorflow安装, GPU版本及cuda的安装参见 这里

    • keras, keras是基于 tensorflow 或 theano 的对深度学习模型的更高一层封装,相对 tensorflow 直接实现效率更高

    # keras依赖库
    sudo apt-get install liblapack-dev gfortran python-scipy cython libhdf5-dev python-h5py
    sudo pip install keras
    
    • 注意,在 keras 中如果以 tensorflow 作为后端,数据输入格式为 (channel, row, col)时,需要修改.keras目录下的json配置文件,将 image_dim_order 改为 'th'(theano模式,即Numpy数组的默认模式)。

About

(Deprecated) deep learning based Chinese handwriting character recognition, 基于深度学习的手写汉字地址识别

License:GNU General Public License v3.0


Languages

Language:Python 100.0%