neural_network

ニューロンネットワークトレーニング（マニュアル）

トレーニング画像を準備します

• アルファベットの各文字（a.bmp、b.bmp、...、c.bmp）のBMP画像を作成します。
• 各画像には、白い背景の上の黒で理想的には1つの文字が含まれている必要があります。
• 画像のサイズは似ている必要があります。コードは56x49ピクセルでサイズを変更します。

各レターのネットワーク経由のトレーニング

./train train_single A.bmp
./train train_single B.bmp
./train train_single C.bmp
... et ainsi de suite pour toutes les lettres

精度を向上させるために、各文字のトレーニングステップを数回繰り返します。

次に、すべての文字が認識されたら：

./train train dossier_lettres/

テスト認識

./train recognize test_image.bmp

ネットワークは、「network_data.bin」での各トレーニングの後、および「train_data.bin」のシングルの後、自動的に条件を節約します。

---

ネットワークトレーニング（自動）ネットワーク

トレーニング画像を準備します

• TTF形式でフォントを選択し、 generator.pyコードで適切な事実を変更します。
• letters/generator.pyでBMP形式で文字を生成します。
• 生成された画像のサイズは、 generator.pyで定義されています。

各レターのネットワーク経由のトレーニング

python3 auto_train.py  # exécution une seule fois la première fois

...そして、トレーニングの終了を待ちます。

各文字のテスト認識

python3 verify_train.py

または単一の文字の場合：

./train recognize test_image.bmp

そして、検出された文字が正しいものではない場合：

python3 manual_train.py

...次に、予想される文字（例：u）を入力します。

次に、ニューロンのネットワークを調和させて保存します。

./train train dossier_lettres/

...など、すべてのひどく検出された文字について（2つのプロセスを再度開始します）。

ネットワークは、「network_data.bin」での各トレーニングの後、および「train_data.bin」のシングルの後、自動的に条件を節約します。

---

追加情報

• backup_dataには、古いトレーニングセッションのバックアップが含まれています。
• python3 manual_train.py使用すると、1つのレターをトレーニングできます。
• python3 auto_train.py 、ファイル内のすべての文字を初めてトレーニングするために使用されます。
• python3 verify_train.py 、文字が十分に検出されているかどうかを確認するために使用されます。
• train 、ユーザー（ train.c ）が使用するバージョンです。
• *.binにはトレーニングデータが含まれています。
• letters/ generator.pyに文字が含まれています。
• checksum.shは、 *.binファイルを保存するために使用されます。

---

編集

gcc train.c -o train -lm ` pkg-config --cflags --libs sdl2 SDL2_image ` 

---

インストールする書店

• libsdl2-image-dev （cで画像を読むため）。
• PIL （Pythonフォントから文字を生成）。

---

ニューロンネットワークを保存します

bash checksum.sh