基于计算机视觉的手写信息识别

资源下载地址：https://download.csdn.net/download/sheziqiong/85997020
资源下载地址：https://download.csdn.net/download/sheziqiong/85997020
Part 2给出的图片共有4个文件夹，对于每个文件夹的内容将其改为Part 1时测试图片文件夹的结构，并将图片重新命名为从0开始的序号后运行脚本进行测试。

1. Bad Samples

1.1 Adaboost结果

sh adaboost.sh 0 13

1.2 CNN(MNIST训练)结果

sh CNN_mnist.sh 0 13 skipA4

1.3 CNN(自制数据集)结果

sh CNN_mnist.sh 0 13 skipA4

在第一张图中数字是横向写的，其他图片中有的包含了中文，程序无法识别，因此部分输出数据不正确。

2. Good-samples

2.1 Adaboost

sh adaboost.sh 0 25

2.2 CNN(MNIST数据集)

sh CNN_mnist.sh 0 25 skipA4

2.3 CNN(自制数据集)

sh CNN_mySet.sh 0 25 skipA4

3. 先身份证后手机

3.1 Adaboost

sh adaboost.sh 0 8

3.2 CNN(MNIST)

sh CNN_mnist.sh 0 8 skipA4

3.3 CNN(自制数据集)

sh CNN_mySet.sh 0 8 skipA4

4. Others

4.1 Adaboost

sh adaboost.sh 0 35

4.2 CNN(MNIST)

sh CNN_mnist.sh 0 35 skipA4

4.3 CNN(自制数据集)

sh CNN_mySet.sh 0 35 skipA

可观察到在自制训练集下训练的 CNN 的识别效果最好，然而当图片中存在数字字迹歪斜时图像分割仍会将多行数字切割为一行数字，从而使获得的结果出现问题。

使用MNIST训练的 CNN 模型与使用自制的数据集训练的模型对560张图片测试数据集的准确率对比如下：

MNIST 训练的正确率为67.1%，自制训练集的准确率为99.8%。

在自制训练集下训练效果较高，对每个图片生成的 xlsx 文件效果如下。

资源下载地址：https://download.csdn.net/download/sheziqiong/85997020
资源下载地址：https://download.csdn.net/download/sheziqiong/85997020