python 調c++生成的dll 中識別char *_基于tensorflow 實現端到端的OCR:二代身份證號識別...

最近在研究OCR識別相關的東西,最終目標是能識別身份證上的所有中文漢字+數字,不過本文先設定一個小目標,先識別定長為18的身份證號,當然本文的思路也是可以復用來識別定長的驗證碼識別的。 本文實現思路主要來源于Xlvector的博客,采用基于CNN實現端到端的OCR,下面引用博文介紹目前基于深度學習的兩種OCR識別方法:

  • 把OCR的問題當做一個多標簽學習的問題。4個數字組成的驗證碼就相當于有4個標簽的圖片識別問題(這里的標簽還是有序的),用CNN來解決。
  • 把OCR的問題當做一個語音識別的問題,語音識別是把連續的音頻轉化為文本,驗證碼識別就是把連續的圖片轉化為文本,用CNN+LSTM+CTC來解決。

這里方法1主要用來解決固定長度標簽的圖片識別問題,而方法2主要用來解決不定長度標簽的圖片識別問題,本文實現方法1識別固定18個數字字符的身份證號。

環境依賴

  1. 本文基于tensorflow框架實現,依賴于tensorflow環境,建議使用anaconda進行python包管理及環境管理
  2. 本文使用freetype-py 進行訓練集圖片的實時生成,同時后續也可擴展為能生成中文字符圖片的訓練集,建議使用pip安裝
 pip install freetype-py
  1. 同時本文還依賴于numpy和opencv等常用庫
 pip install numpy cv2

知識準備

  1. 本文不具體介紹CNN (卷積神經網絡)具體實現原理,不熟悉的建議參看集智博文卷積:如何成為一個很厲害的神經網絡,這篇文章寫得很
  2. 本文實現思路很容易理解,就是把一個有序排列18個數字組成的圖片當做一個多標簽學習的問題,標簽的長度可以任意改變,只要是固定長度的,這個訓練方法都是適用的,當然現實中很多情況是需要識別不定長度的標簽的,這部分就需要使用方法2(CNN+lSTM+CTC)來解決了。

訓練數據集生成

首先先完成訓練數據集圖片的生成,主要依賴于freetype-py庫生成數字/中文的圖片。其中要注意的一點是就是生成圖片的大小,本文經過多次嘗試后,生成的圖片是32 x 256大小的,如果圖片太大,則可能導致訓練不收斂

生成出來的示例圖片如下:

0065dbf65b2d219386fa3c5d6005f7b0.png

gen_image()方法返回 image_data:圖片像素數據 (32,256) label: 圖片標簽 18位數字字符 477081933151463759 vec : 圖片標簽轉成向量表示 (180,) 代表每個數字所處的列,總長度 18 * 10

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
身份證文字+數字生成類
@author: pengyuanjie
"""
import numpy as np
import freetype
import copy
import random
import cv2
class put_chinese_text(object):def __init__(self, ttf):self._face = freetype.Face(ttf)def draw_text(self, image, pos, text, text_size, text_color):'''draw chinese(or not) text with ttf:param image: image(numpy.ndarray) to draw text:param pos: where to draw text:param text: the context, for chinese should be unicode type:param text_size: text size:param text_color:text color:return: image'''self._face.set_char_size(text_size * 64)metrics = self._face.sizeascender = metrics.ascender/64.0#descender = metrics.descender/64.0#height = metrics.height/64.0#linegap = height - ascender + descenderypos = int(ascender)if not isinstance(text, unicode):text = text.decode('utf-8')img = self.draw_string(image, pos[0], pos[1]+ypos, text, text_color)return imgdef draw_string(self, img, x_pos, y_pos, text, color):'''draw string:param x_pos: text x-postion on img:param y_pos: text y-postion on img:param text: text (unicode):param color: text color:return: image'''prev_char = 0pen = freetype.Vector()pen.x = x_pos << 6 # div 64pen.y = y_pos << 6hscale = 1.0matrix = freetype.Matrix(int(hscale)*0x10000L, int(0.2*0x10000L),int(0.0*0x10000L), int(1.1*0x10000L))cur_pen = freetype.Vector()pen_translate = freetype.Vector()image = copy.deepcopy(img)for cur_char in text:self._face.set_transform(matrix, pen_translate)self._face.load_char(cur_char)kerning = self._face.get_kerning(prev_char, cur_char)pen.x += kerning.xslot = self._face.glyphbitmap = slot.bitmapcur_pen.x = pen.xcur_pen.y = pen.y - slot.bitmap_top * 64self.draw_ft_bitmap(image, bitmap, cur_pen, color)pen.x += slot.advance.xprev_char = cur_charreturn imagedef draw_ft_bitmap(self, img, bitmap, pen, color):'''draw each char:param bitmap: bitmap:param pen: pen:param color: pen color e.g.(0,0,255) - red:return: image'''x_pos = pen.x >> 6y_pos = pen.y >> 6cols = bitmap.widthrows = bitmap.rowsglyph_pixels = bitmap.bufferfor row in range(rows):for col in range(cols):if glyph_pixels[row*cols + col] != 0:img[y_pos + row][x_pos + col][0] = color[0]img[y_pos + row][x_pos + col][1] = color[1]img[y_pos + row][x_pos + col][2] = color[2]
class gen_id_card(object):def __init__(self):#self.words = open('AllWords.txt', 'r').read().split(' ')self.number = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']self.char_set = self.number#self.char_set = self.words + self.numberself.len = len(self.char_set)self.max_size = 18self.ft = put_chinese_text('fonts/OCR-B.ttf')#隨機生成字串,長度固定#返回text,及對應的向量def random_text(self):text = ''vecs = np.zeros((self.max_size * self.len))#size = random.randint(1, self.max_size)size = self.max_sizefor i in range(size):c = random.choice(self.char_set)vec = self.char2vec(c)text = text + cvecs[i*self.len:(i+1)*self.len] = np.copy(vec)return text,vecs#根據生成的text,生成image,返回標簽和圖片元素數據def gen_image(self):text,vec = self.random_text()img = np.zeros([32,256,3])color_ = (255,255,255) # Writepos = (0, 0)text_size = 21image = self.ft.draw_text(img, pos, text, text_size, color_)#僅返回單通道值,顏色對于漢字識別沒有什么意義return image[:,:,2],text,vec#單字轉向量def char2vec(self, c):vec = np.zeros((self.len))for j in range(self.len):if self.char_set[j] == c:vec[j] = 1return vec#向量轉文本def vec2text(self, vecs):text = ''v_len = len(vecs)for i in range(v_len):if(vecs[i] == 1):text = text + self.char_set[i % self.len]return text
if __name__ == '__main__':genObj = gen_id_card()image_data,label,vec = genObj.gen_image()cv2.imshow('image', image_data)cv2.waitKey(0)

構建網絡,開始訓練

首先定義生成一個batch的方法:

# 生成一個訓練batch
def get_next_batch(batch_size=128):obj = gen_id_card()batch_x = np.zeros([batch_size, IMAGE_HEIGHT*IMAGE_WIDTH])batch_y = np.zeros([batch_size, MAX_CAPTCHA*CHAR_SET_LEN])for i in range(batch_size):image, text, vec = obj.gen_image()batch_x[i,:] = image.reshape((IMAGE_HEIGHT*IMAGE_WIDTH))batch_y[i,:] = vecreturn batch_x, batch_y

用了Batch Normalization,個人還不是很理解,讀者可自行百度,代碼來源于參考博文

#Batch Normalization? 有空再理解,tflearn or slim都有封裝
## http://stackoverflow.com/a/34634291/2267819
def batch_norm(x, beta, gamma, phase_train, scope='bn', decay=0.9, eps=1e-5):with tf.variable_scope(scope):#beta = tf.get_variable(name='beta', shape=[n_out], initializer=tf.constant_initializer(0.0), trainable=True)#gamma = tf.get_variable(name='gamma', shape=[n_out], initializer=tf.random_normal_initializer(1.0, stddev), trainable=True)batch_mean, batch_var = tf.nn.moments(x, [0, 1, 2], name='moments')ema = tf.train.ExponentialMovingAverage(decay=decay)def mean_var_with_update():ema_apply_op = ema.apply([batch_mean, batch_var])with tf.control_dependencies([ema_apply_op]):return tf.identity(batch_mean), tf.identity(batch_var)mean, var = tf.cond(phase_train, mean_var_with_update, lambda: (ema.average(batch_mean), ema.average(batch_var)))normed = tf.nn.batch_normalization(x, mean, var, beta, gamma, eps)return normed

定義4層CNN和一層全連接層,卷積核分別是2層5x5、2層3x3,每層均使用tf.nn.relu非線性化,并使用max_pool,網絡結構讀者可自行調參優化

# 定義CNN
def crack_captcha_cnn(w_alpha=0.01, b_alpha=0.1):x = tf.reshape(X, shape=[-1, IMAGE_HEIGHT, IMAGE_WIDTH, 1])# 4 conv layerw_c1 = tf.Variable(w_alpha*tf.random_normal([5, 5, 1, 32]))b_c1 = tf.Variable(b_alpha*tf.random_normal([32]))conv1 = tf.nn.bias_add(tf.nn.conv2d(x, w_c1, strides=[1, 1, 1, 1], padding='SAME'), b_c1)conv1 = batch_norm(conv1, tf.constant(0.0, shape=[32]), tf.random_normal(shape=[32], mean=1.0, stddev=0.02), train_phase, scope='bn_1')conv1 = tf.nn.relu(conv1)conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')conv1 = tf.nn.dropout(conv1, keep_prob)w_c2 = tf.Variable(w_alpha*tf.random_normal([5, 5, 32, 64]))b_c2 = tf.Variable(b_alpha*tf.random_normal([64]))conv2 = tf.nn.bias_add(tf.nn.conv2d(conv1, w_c2, strides=[1, 1, 1, 1], padding='SAME'), b_c2)conv2 = batch_norm(conv2, tf.constant(0.0, shape=[64]), tf.random_normal(shape=[64], mean=1.0, stddev=0.02), train_phase, scope='bn_2')conv2 = tf.nn.relu(conv2)conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')conv2 = tf.nn.dropout(conv2, keep_prob)w_c3 = tf.Variable(w_alpha*tf.random_normal([3, 3, 64, 64]))b_c3 = tf.Variable(b_alpha*tf.random_normal([64]))conv3 = tf.nn.bias_add(tf.nn.conv2d(conv2, w_c3, strides=[1, 1, 1, 1], padding='SAME'), b_c3)conv3 = batch_norm(conv3, tf.constant(0.0, shape=[64]), tf.random_normal(shape=[64], mean=1.0, stddev=0.02), train_phase, scope='bn_3')conv3 = tf.nn.relu(conv3)conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')conv3 = tf.nn.dropout(conv3, keep_prob)w_c4 = tf.Variable(w_alpha*tf.random_normal([3, 3, 64, 64]))b_c4 = tf.Variable(b_alpha*tf.random_normal([64]))conv4 = tf.nn.bias_add(tf.nn.conv2d(conv3, w_c4, strides=[1, 1, 1, 1], padding='SAME'), b_c4)conv4 = batch_norm(conv4, tf.constant(0.0, shape=[64]), tf.random_normal(shape=[64], mean=1.0, stddev=0.02), train_phase, scope='bn_4')conv4 = tf.nn.relu(conv4)conv4 = tf.nn.max_pool(conv4, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')conv4 = tf.nn.dropout(conv4, keep_prob)# Fully connected layerw_d = tf.Variable(w_alpha*tf.random_normal([2*16*64, 1024]))b_d = tf.Variable(b_alpha*tf.random_normal([1024]))dense = tf.reshape(conv4, [-1, w_d.get_shape().as_list()[0]])dense = tf.nn.relu(tf.add(tf.matmul(dense, w_d), b_d))dense = tf.nn.dropout(dense, keep_prob)w_out = tf.Variable(w_alpha*tf.random_normal([1024, MAX_CAPTCHA*CHAR_SET_LEN]))b_out = tf.Variable(b_alpha*tf.random_normal([MAX_CAPTCHA*CHAR_SET_LEN]))out = tf.add(tf.matmul(dense, w_out), b_out)return out

最后執行訓練,使用sigmoid分類,每100次計算一次準確率,如果準確率超過80%,則保存模型并結束訓練

# 訓練
def train_crack_captcha_cnn():output = crack_captcha_cnn()# loss#loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=output, labels=Y))loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=output, labels=Y))# 最后一層用來分類的softmax和sigmoid有什么不同?# optimizer 為了加快訓練 learning_rate應該開始大,然后慢慢衰optimizer = tf.train.AdamOptimizer(learning_rate=0.002).minimize(loss)predict = tf.reshape(output, [-1, MAX_CAPTCHA, CHAR_SET_LEN])max_idx_p = tf.argmax(predict, 2)max_idx_l = tf.argmax(tf.reshape(Y, [-1, MAX_CAPTCHA, CHAR_SET_LEN]), 2)correct_pred = tf.equal(max_idx_p, max_idx_l)accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))saver = tf.train.Saver()with tf.Session() as sess:sess.run(tf.global_variables_initializer())step = 0while True:batch_x, batch_y = get_next_batch(64)_, loss_ = sess.run([optimizer, loss], feed_dict={X: batch_x, Y: batch_y, keep_prob: 0.75, train_phase:True})print(step, loss_)# 每100 step計算一次準確率if step % 100 == 0 and step != 0:batch_x_test, batch_y_test = get_next_batch(100)acc = sess.run(accuracy, feed_dict={X: batch_x_test, Y: batch_y_test, keep_prob: 1., train_phase:False})print "第%s步,訓練準確率為:%s" % (step, acc)# 如果準確率大80%,保存模型,完成訓練if acc > 0.8:saver.save(sess, "crack_capcha.model", global_step=step)breakstep += 1

執行結果,筆者在大概500次訓練后,得到準確率84.3%的結果

85cfcbcdd6c976fd804c30666990c68d.png

筆者在一開始訓練的時候圖片大小是64 x 512的,訓練的時候發現訓練速度很慢,而且訓練的loss不收斂一直保持在33左右,縮小圖片為32 x 256后解決,不知道為啥,猜測要么是網絡層級不夠,或者特征層數不夠吧。

小目標完成后,為了最終目標的完成,后續可能嘗試方法2,去識別不定長的中文字符圖片,不過要先去理解LSTM網絡和 CTC模型了。

下載地址:https://github.com/jimmyleaf/ocr_tensorflow_cnn/archive/master.zip

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/528907.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/528907.shtml
英文地址,請注明出處:http://en.pswp.cn/news/528907.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

php友價商城手游,2019年T5友價商城網站程序-偽靜態規則

# Version 3.1.0.73RewriteEngine on#RewriteBase /RewriteRule vip(.*) /shop/view.php?str$1RewriteRule ^(.*)/search(.*).html /$1/index.php?str$2RewriteRule ^(.*)/goods([0-9]*).html /$1/goods.php?id$2RewriteRule ^(.*)/(.*)list(.*).html /$1/$2list.php?str$3…

oracle 的跨天查詢,考勤跨天如何統計 - Oracle開發 - ITPUB論壇-中國專業的IT技術社區...

本帖最后由 yaksha1 于 2020-9-11 17:29 編輯請問下&#xff0c;目前正在統計每個人每天考勤數據是否正常&#xff0c;上班打一次卡&#xff0c;下班打一次卡&#xff0c;算是正常。打卡情況大致分兩種&#xff0c;一種是正常白班&#xff0c;朝九晚五&#xff0c;一種是跨天&a…

php程序員學什么語言好就業_2019年初中畢業生學什么專業好?學什么專業好就業?...

前言&#xff1a;據了解&#xff0c;目前我國職業人才缺口較大&#xff0c;市場供需不平衡。許多學生往往還沒畢業&#xff0c;就已經與企業簽訂了就業協議。因此&#xff0c;有許多家長愿意把小孩子送到專業學校進行就讀。畢竟可以學的一門好專業&#xff0c;對學生將來的路是…

中print中加f_Python3中的格式化輸出

Python3字符串格式化輸出有兩種形式實現&#xff1a;a&#xff1a;字符串格式化表達式&#xff1a; ...%... % (values)b&#xff1a;字符串格式化方法調用&#xff1a;...{}....format(values) 或者 f...{xx}...1:字符串格式化的類型碼(typecode)(表1)2: 字符串格式化表達式格…

Json-ServerMockJs簡單快速生成測試數據

Json-Server&MockJs簡單快速生成測試數據 1、Json-Server 和 MockJs的安裝 npm install -g json-server //全局安裝2、創建目錄和初始話 例如&#xff1a;創建D:\ProjectOne文件夾 3、打開終端或者powershell進入ProjectOne文件夾 4、初始化項目 npm init5、安裝Mock…

oracle索引sys_nc,通過dba_ind_columns表查到索引所在列的名字為SYS_NC00133$

使用下面的腳本查看表上索引相關信息&#xff1a;selectind.uniqueness uniq,ind.owner||.||col.index_name indname,col.column_name colnamefromdba_ind_columns col,dba_indexes indwhereind.owner upper(&ixowner)andind.table_name upper(&tabname)andcol.index…

oracle nvl和coalesce,NVL與Coalesce之間的Oracle差異

慕碼人8056858COALESCE是更現代的功能&#xff0c;是ANSI-92標準的一部分。NVL在Oracle具體的&#xff0c;它在推出80的前存在任何標準。在兩個值的情況下&#xff0c;它們是同義詞。但是&#xff0c;它們的實現方式不同。NVL總是計算兩個參數&#xff0c;同時COALESCE通常在找…

安卓簽名生成工具_ios app如何進行內測?ios app和安卓app的內測有何區別?

目前手機主流的操作系統分為Android和iOS兩大陣營&#xff0c;分別是由谷歌和蘋果進行開發維護。這兩大平臺的應用都相互獨立&#xff0c;無論是運行機制還是底層原理&#xff0c;都不一樣&#xff0c;所以即使是同一款App也是需要針對在兩大平臺上分別進行內測和運營、發布。那…

cx oracle dpi 1002,cx_Oracle連接數據庫總結

python中連接oracle數據庫使用第三方庫文件cx_Oracle時遇到了各種問題&#xff0c;網上查找資料調試了幾天才弄好&#xff0c;下面是不斷調試后總結的一些經驗。1.oracle客戶端(Oracle Instant Client)版本需要和操作系統版本位數相同&#xff0c;同時cx_Oracle官方文檔(http:/…

虛擬機python建站_搭建本地虛擬服務器linux(CentOS 7)的python虛擬環境(Hyper-V演示)...

新建虛擬機->安裝CentOS7->新建虛擬交換機&#xff1a;內部網絡->CentOS7設置->網絡適配器&#xff1a;虛擬交換機&#xff1a;新建虛擬交換機->進入CentOS#cd /etc/sysconfig/network-scripts/#ls -a#vi ifcfg-eth0 #(有些系統不是eth0&#xff0c;前面ifcfg-的…

matlab 輸入日期,matlab輸入年月日算一年中的第幾天.doc

matlab輸入年月日算一年中的第幾天clc,clear all,close alldisp This program calculates the day of year given the ;disp current date. ;month input Enter current month 1-12 : ;day input Enter current day 1-31 : ;year input Enter current year yyyy : ;%Check for …

深拷貝的缺點_拷貝?還傻傻分不清深淺?

「引言」?臣聞求木之長者&#xff0c;必固其根本&#xff1b;欲流之遠者&#xff0c;必浚其泉源。---- 魏征 《諫太宗十思疏》?或許你會問到&#xff0c;網上已經把深淺拷貝(算一個面試的高頻考點了吧)的文章都快寫爛了&#xff0c;為什么自己還要重新操刀寫一遍呢&#xff0…

php 失去 焦點 另一個表單獵取值,同一表單如何根據某一個文本框的值 改變另一個文本框的值...

我用的是失去焦點&#xff0c;然后后臺查詢到了數據&#xff0c;返回回來顯示不了&#xff01;&#xff01;$(document).ready(function(){$("#card").blur(function(){var card$("#card").val();if(card!""){$.get("{:U(guoye/yanzheng)}&…

實現文件中名詞的統計計數_通過勤哲EXCEL和Excel中的rank函數實現排名統計

如今&#xff0c;信息化已成為各行業企業轉型和發展的關鍵所在&#xff0c;信息化技術最明顯的特點是企業不同部門的人在信息技術的支撐下&#xff0c;可以利用豐富的資源與工具展開協作學習&#xff0c;在相對自由的模式和環境下&#xff0c;改變傳統設計相對局限、固定思維的…

php 選擇 出現列表,php – 如何從加權列表中選擇4個唯一項?

所以我有一個加權項目列表,我想從這個列表中選擇4個非重復項目.Item WeightApple 5Banana 7Cherry 12...Orange 8Pineapple 50最有效的方法是什么&#xff1f;我最初的嘗試是,如果一個已經被選中的項目出現的話,只需重新選擇隨后的選秀權……但是對于一個小名單,這可能會導致大…

安徽關節式焊接機器人_上下料機器人的重要性體現在哪里?它有哪些優勢?

上下料機器人是工業機器人家族中從事加工應用的重要成員之一&#xff0c;能滿足“快速、大批量加工節拍”、“節省人力成本”、“提高生產效率”等要求&#xff0c;成為越來越多中心企業的理想選擇。那么&#xff0c;上下料機器人有哪些特征和優勢&#xff1f;企業主應該如何選…

oracle查詢ora03114,求教:ora-03114錯誤從哪里排查?

ERP軟件偶爾會報 ora-03114錯誤 未連接到oracle我檢查數據庫的根超時有關的設置dba_profiles中的如下兩個參數&#xff0c;都是不限制connect_timeunlimitedidle_timeunlimitedsqlnet.net中&#xff0c;只設置了如下參數SQLNET.EXPIRE_TIME5 --這個用來清除僵死連接的監聽日志文…

python大學什么專業學校_好學校的差專業和一般大學的好專業,該怎么選?我來說真話……...

假如是985&#xff0c;那么只能調劑專業&#xff0c;那么好點211能選到不錯的專業。那該怎么選擇&#xff1f;其實不單單是985/211的問題&#xff0c;是所有考生的任何一個分數都面臨這個問題。比如清華北大被調劑&#xff0c;是去復交金融&#xff0c;還是去清華北大調劑去學環…

oracle查詢表nextval,Oracle Database 建立與查詢 Sequence

相關的 Oracle Database Sequence 資訊如下&#xff1a;建立 Sequence 語法create sequence ._sincrement by 1start with 1maxvalue 99999999999999999999minvalue 1nocycle;其中 :incerment: 每次增加的數值start : Sequence 開始數值maxvalue : Sequence 最大值nocycle …

vision軟件_Roboguide軟件:高速拾取仿真工作站相機與工具添加與配置

上一期為大家介紹了機器人高速拾取仿真工作站中工件、視覺校準板、輸送帶等外圍設備的添加與配置&#xff0c;本期再來為大家介紹一下相機、機器人工具的添加與配置。一、相機添加與配置1.左側瀏覽樹中右擊“Sensor Units”&#xff0c;在彈出的快捷菜單中依次點擊“Add Sensor…