廣州番禺職業(yè)技術(shù)學(xué)院 戴錦霞 楊 鵬 劉 攀

數(shù)字識(shí)別在計(jì)算機(jī)視覺與圖像識(shí)別領(lǐng)域得到了廣泛的應(yīng)用，深度學(xué)習(xí)算法是目前流行的圖像識(shí)別算法?；贑affe的印刷體數(shù)字識(shí)別方法能準(zhǔn)確識(shí)別印刷體數(shù)字。通過詳細(xì)介紹此方法的具體實(shí)驗(yàn)過程及注意事項(xiàng)，供后續(xù)基于深度學(xué)習(xí)的字符識(shí)別等相關(guān)領(lǐng)域?qū)崿F(xiàn)提供參考。

圖像識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)基礎(chǔ)研究。隨著互聯(lián)網(wǎng)的快速發(fā)展，圖像識(shí)別技術(shù)在各個(gè)領(lǐng)域中發(fā)揮著日益重要的作用。數(shù)字識(shí)別是一種典型的圖像識(shí)別，在身份證號(hào)碼、發(fā)票、體檢單等識(shí)別領(lǐng)域均利用其進(jìn)行數(shù)字信息精準(zhǔn)提取，提高工作效率。

目前主流的深度學(xué)習(xí)方法其特征提取不需要人工參與，速度快，準(zhǔn)確率高。卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的算法之一，而Caffe是一個(gè)計(jì)算卷積神經(jīng)網(wǎng)絡(luò)相關(guān)算法的深度學(xué)習(xí)框架，該框架清晰、可讀性高、快速，因此利用Caffe進(jìn)行印刷體數(shù)字識(shí)別是目前提高數(shù)字識(shí)別準(zhǔn)確率的一種行之有效的辦法。其實(shí)現(xiàn)過程主要包括數(shù)據(jù)預(yù)處理、Caffe網(wǎng)絡(luò)定義并訓(xùn)練、識(shí)別測(cè)試這三大步驟。

1 深度學(xué)習(xí)框架Caffe

Caffe是目前深度學(xué)習(xí)比較主流且優(yōu)秀的一個(gè)開源卷積神經(jīng)網(wǎng)絡(luò)算法框架。它采用純C++語(yǔ)言與CUDA實(shí)現(xiàn)，同時(shí)支持Python、命令行與MATLAB接口。可在CPU和GPU處理器之間實(shí)現(xiàn)流暢切換，易擴(kuò)展，在圖像分類、字符識(shí)別、語(yǔ)音識(shí)別等多個(gè)領(lǐng)域得到廣泛的應(yīng)用。

2 數(shù)據(jù)預(yù)處理

實(shí)驗(yàn)測(cè)試的樣本集是選用印刷體數(shù)字0—9，每個(gè)數(shù)字的訓(xùn)練樣本數(shù)量分別為240、測(cè)試樣本為40，圖像尺寸大小統(tǒng)一為64×64（圖1所示）。

圖1 印刷體數(shù)字圖像

把測(cè)試圖像、訓(xùn)練圖像進(jìn)行簡(jiǎn)單的預(yù)處理，然后保存到數(shù)據(jù)庫(kù)中。因?yàn)閷?shí)際任務(wù)中訓(xùn)練數(shù)據(jù)的數(shù)量可能非常大，從圖像文件中讀取數(shù)據(jù)并進(jìn)行初始化的效率是非常低的，所以很有必要把數(shù)據(jù)預(yù)先保存在數(shù)據(jù)庫(kù)中，來加快訓(xùn)練的速度。

（1）生成train.txt、val.txt文件

利用MATLAB軟件或采用 bat 命令快速對(duì)訓(xùn)練數(shù)據(jù)集圖片進(jìn)行圖片序號(hào)編碼，并將訓(xùn)練圖像數(shù)據(jù)的路徑、名稱、標(biāo)簽一起寫入train.txt文件中（圖2所示）。利用同樣的方式將測(cè)試圖像數(shù)據(jù)的路徑、名稱、標(biāo)簽一起寫入val.txt文件中 。

圖2 train.txt文件生成

（2）生成trainldb文件、valldb數(shù)據(jù)庫(kù)文件

然后將訓(xùn)練的參數(shù)和路徑寫入bat 文件，調(diào)用convert_imageset.exe 生成對(duì)應(yīng)的 leveldb 格式數(shù)據(jù)。執(zhí)行bat 文件，生成trainldb文件。同樣的處理得到valldb文件。

（3）生成訓(xùn)練、測(cè)試兩個(gè)均值文件

計(jì)算訓(xùn)練、測(cè)試圖像數(shù)據(jù)的均值，編寫bat文件調(diào)用compute_image_mean.exe，生成兩個(gè)均值文件train_mean.binaryproto與val_mean.binaryproto。

3 定義caffe網(wǎng)絡(luò)并訓(xùn)練

當(dāng)前電腦已安裝配置好的caffe前提下，找到caffe自帶的例子，即對(duì)mnist手寫體數(shù)字訓(xùn)練使用的卷積神經(jīng)網(wǎng)絡(luò)，打開examples/mnist文件夾下的兩個(gè)文件lenet_solver.prototxt、lenet_train_test.prototxt進(jìn)行參數(shù)修改（圖3、圖4所示）。

圖3 lenet_train_test.prototxt參數(shù)修改

圖4 lenet_solver.prototxt參數(shù)修改

編寫bat文件，調(diào)用caffe.exe執(zhí)行訓(xùn)練。經(jīng)過一段時(shí)間的訓(xùn)練，命令行產(chǎn)生了大量日志，訓(xùn)練過程也完成，生成了caffe模型如圖5所示。

圖5 caffe模型

4 印刷體數(shù)字識(shí)別測(cè)試

利用windows自帶的畫板繪制64*64的印刷體數(shù)字圖像（圖6所示）。編寫python測(cè)試代碼，調(diào)用生成的Caffe模型，對(duì)印刷體數(shù)字進(jìn)行識(shí)別測(cè)試。識(shí)別結(jié)果如圖7所示，能準(zhǔn)確識(shí)別出正確數(shù)字結(jié)果。

圖6 待測(cè)試的數(shù)字圖像

圖7 識(shí)別結(jié)果

測(cè)試過程中如果出現(xiàn)“no module name _caffe”問題，解決方法：

在環(huán)境變量中添加路徑E:caffe caffe-masterBuildx64Releasepycaffe。

如果出現(xiàn)“import caffe no module named google.protobuf.internal”問題，解決方法：

（1）下載protobuf(地址：https:// github. com/google/protobuf/releases/tag/v3.0.0)，下載兩個(gè)版本，一個(gè)protoc-3.0.0-win32.zip，一個(gè)源碼。

（2）將protoc-3.0.0-win32inprotoc.exe拷貝進(jìn)入源代碼文件夾下src中，進(jìn)入源代碼文件夾下Python文件夾，進(jìn)入cmd環(huán)境執(zhí)行python setup.py build。

（3）將protobuf-3.0.0python路徑下的文件google拷貝到自己原先安裝的Python路徑Libsite-packages下，這樣再次運(yùn)行就不會(huì)報(bào)錯(cuò)了。

針對(duì)傳統(tǒng)印刷體數(shù)字識(shí)別準(zhǔn)確率低、速度慢等問題，提出基于Caffe的印刷體數(shù)字識(shí)別方法。詳細(xì)介紹了其相關(guān)實(shí)驗(yàn)過程、實(shí)驗(yàn)結(jié)果及注意事項(xiàng)。為后續(xù)基于深度學(xué)習(xí)的字符識(shí)別提供解決思路。