基于卷积神经网络的手写英文字母识别系统研究

项目简介

本项目实现了一个基于卷积神经网络的手写英文字母识别系统。系统采用 PyQt5 构建用户界面，支持通过手写绘制或上传图片的方式输入字母，并使用我们自己训练好的包含注意力的卷积神经网络模型进行识别。

数据集

本项目使用 EMNIST (Extended MNIST) 数据集的 balanced 子集进行训练和测试，项目选取了除数字外的37种手写字母。

1. The EMNIST Dataset

系统功能

• 字母输入：支持两种输入方式
  • 绘制输入：用户可在画布上直接绘制字母
  • 图片上传：支持从本地上传图片文件进行识别
• 模型选择：提供多种预训练模型可供选择
  • ResNet18
  • MobileNetV2
  • 我们的带注意力机制的 CNN 网络
• 结果展示：显示模型识别的 Top-3 结果

环境需求

可以使用以下命令安装所需依赖：

pip install -r requirements.txt

项目结构

Com_Intelligent_work/
├── baseline.ipynb          # 基线模型
├── myCnn.ipynb             # 我们的带注意力机制的 CNN 网络
├── result_plot.ipynb       # 结果可视化
├── requirements.txt        # 项目依赖
├── myCnn/                  # 算法库
│   ├── baseline/           # 基线模型网络结构及训练代码
│   ├── baseline_weight/    # 基线模型权重
│   ├── cnnWithAttention/   # 我们的带注意力机制的 CNN 网络结构及训练代码
│   └── save/               # 我们的带注意力机制的 CNN 网络权重
└── rec_system_ui/          # 字母识别系统
    ├── main.py             # 主程序入口
    ├── main_window.py      # 主窗口实现
    ├── canvas.py           # 画布控件实现
    ├── model_handler.py    # 模型加载和处理
    └── config.py           # 配置文件