人工智能实战2——从0开始手写符号识别

Posted 2022-12-14 宇仔TuT

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了人工智能实战2——从0开始手写符号识别相关的知识，希望对你有一定的参考价值。

接上一篇博客人工智能实战——人工神经网络(C库iOS交叉编译)，这篇博客之前发布在qq空间一直没挪过来...
回顾下第一个例子中我用到NN(神经网络)的地方：
假设了一个目标函数 f = x==y ，设计了一个3层结构的神经网络，经过训练让神经网络自己学会如果判断两个数相等。

由于目标函数只有2个变量和一个结果，因此网络结构的输入元件只有2个，输出元件只有1个，并且输出元件的区间是[-1,1].

然而这个例子太过于简单，仅作为刚接触人工智能的一个小小的入门试探而已。接下来是时候展现人工神经的魅力所在了。把NN运用到真正适合他的场景，比如文章归类、图像识别、语音识别、用户喜好筛选等实际场景。

这篇文章就要揭开图像识别的神秘面纱，从0开始教会人工大脑如何识别手写符号，然后是手写数字，终极挑战是识别出手写汉字。在开始这篇文章前，我们先分析文字识别的几种方式：
1.能够获取用户下笔的顺序，每一笔画的方向，轻重等信息，从而将用户的笔画提取成坐标+向量集合，然后作为输入源给NN，训练NN，输出正确的结果。
2.无法获取用户下笔的顺序，轻重等信息(往往是拍照、扫描得来的图片)，将图片进行简单的处理，去除噪点，黑白化，然后将各个像素点的灰度值建立成矩阵或数组，作为输入源给NN，训练NN，输出正确的结果。

方式1一般用于客户端上的手势识别，比如浏览器的手势操作等，手写输入法等，缺点是一旦无法获取下笔顺序基本上没啥用处了，通用性低。
方式2一般用于纸质文档的数字化，也就是我们常说的OCR(光学字符识别)，缺点是a.需要庞大的训练数据(如果你要识别所有中国人的手写体，你需要所有中国人的手写体训练数据，包括医生开的处方^^) b.对图片的去噪、裁边、黑白过程比较难处理或者耗时间。

这里我选择了方式2，因为方式2的普适性比较高，那么首先我们的程序就需要做一点点调整：
用于识别一张图片中包含单个手写符号(假设我们来识别0~9的数字，那么一共有10中不同的输出)的程序,图片尺寸是100x100，那么这个图片就包含10000个像素点，每个像素点都有自己的颜色，输入源应该是一个100x100的矩阵，输出源要能表示10种不同的结果。

10000个像素点作为10000个输入源太庞大了，因此我们要把原始图片的质量降低一点，比如我把所有的图片压缩到16*16个像素(追求识别的精度应该扩大尺寸，牺牲性能)，用来识别简单的图像。
输出的值如果是0~9的10个数字，那么输出元件如果只能输出0或1的话，我们至少需要2^4=16个排列，因此我们需要4个输出元件。

这个过程看其实无非是我们第一个程序的例子中2个输入变成了16x16个，1个输出变成了4个输出，仅此而已！！而他能做的事情却发生了天翻地覆的变化。。。。这就是NN解决问题的魅力所在

只不过这次我们不能让用户从16x16个文本框中一个个来输入，而是直接让用户画，所以首先我们创建画图控件~继承UIView,用贝塞尔曲线+touchEvents可以很快写出来:

// XYDrawingView.m

// 小歪

// Created by reese on 16/3/23.

#import "XYDrawingView.h"

@interface XYDrawingView ()

//所有的贝塞尔曲线

@property (nonatomic) NSMutableArray *lines;

//当前的贝塞尔曲线

@property (nonatomic) UIBezierPath *currentPath;

@end

@implementation XYDrawingView

- (NSMutableArray *)lines

if (!_lines)

_lines = [NSMutableArray array];

return _lines;

//重写drawRect方法

- (void)drawRect:(CGRect)rect

//设置描边颜色为黑色

[[UIColor blackColor] setStroke];

for (UIBezierPath *bezierPath in self.lines)

//设置线条粗细为20

[bezierPath setLineWidth:20.0f];

//设置转角类型为圆滑

[bezierPath setLineJoinStyle:kCGLineJoinRound];

//描边

[bezierPath stroke];

//触摸开始

- (void)touchesBegan:(NSSet<UITouch *> *)touches withEvent:(UIEvent *)event

CGPoint p = [[touches anyObject] locationInView:self];

//构建新的贝塞尔曲线

_currentPath = [UIBezierPath bezierPath];

//移动到第一个点

[_currentPath moveToPoint:p];

//添加到线段数组

[self.lines addObject:_currentPath];

//移动

- (void)touchesMoved:(NSSet<UITouch *> *)touches withEvent:(UIEvent *)event

CGPoint p = [[touches anyObject] locationInView:self];

//从当前点到上一个点连接出一条线段

[_currentPath addLineToPoint:p];

//重绘

[self setNeedsDisplay];

.h文件是空的就不列出来了。有了这个控件之后我们可以开始画符号了，在控制器中添加这个控件:

搞定后，我们就要讲写字区中的图像转化为数字信号，也就是刚刚说的16x16矩阵了(这里16别写死，方便我们提高精度)

转换函数:

//将self.layer携带的图像信息转化成size x size容量的 float数组

- (fann_type *)getImageToBinaryForSize:(CGSize)size

//1.渲染self.layer

//根据自身的frame大小开一个绘图上下文

UIGraphicsBeginImageContext(self.bounds.size);

//获取到这个上下文

CGContextRef ctx = UIGraphicsGetCurrentContext();

//渲染layer

[self.layer renderInContext:ctx];

//从上下文中导出image对象(压缩前的image,比如我们的绘图区大小是200x200,这个image的size至少是200*200,如果是retina屏幕更大)

UIImage* oImage = UIGraphicsGetImageFromCurrentImageContext();

//关闭第一个上下文

UIGraphicsEndImageContext();

//2.压缩至size x size 大小

//创建一个size x size大小的上下文

UIGraphicsBeginImageContext(size);

//获取到这个小号的上下文

ctx = UIGraphicsGetCurrentContext();

//把刚刚导出的image对象draw到这个小一号的上下文中，这个过程是有损压缩，压缩后还原会失真，也就是会有马赛克

[oImage drawInRect:CGRectMake(0, 0, size.width, size.height)];

//导出压缩成目标尺寸的图片,并转换成CGImageRef

CGImageRef image = UIGraphicsGetImageFromCurrentImageContext().CGImage;

//关闭第二个上下文

UIGraphicsEndImageContext();

//由CGImageRef转换为16进制数据

CFDataRef data = CGDataProviderCopyData(CGImageGetDataProvider(image));

//获取数据长度(长度不一定等于size*size*4,当size为8的倍数的时候，长度等于size*size*4，其中每一个元素为2个16进制数，2个16进制数正好是一字节)

NSInteger length = CFDataGetLength(data);

//获取颜色数组

UInt8 *colors = (UInt8 *)CFDataGetBytePtr(data);

//分配一个和长度相等的目标float数组空间

fann_type *binaryArr = malloc(sizeof(fann_type) * CFDataGetLength(data));

//遍历每个像素

for (long i = 0; i < length; i++)

//第i个像素对应的r,g,b,a色值分别为colors[i*4],colors[i*4+1],colors[i*4+2],colors[i*4+3],因为这是个数组

long index = i*4;

//　对于彩色转灰度，有一个很著名的心理学公式：

//Gray = R*0.299 + G*0.587 + B*0.114

//这里我们简化下算法，不去计算灰度，直接用红色通道的色值来识别

fann_type r = (CGFloat)colors[index] /255.0;

binaryArr[i] = r;

return binaryArr;

写完之后,打一个断电观察下data的结构:

其中0xf4efefff是我在storyboard中给这个view的背景颜色，其他颜色则是我绘制出来的线条颜色的rgba值。
由于UInt8正好是一个字节，一个字节等于2个16进制数，所以每一个colors元素对应一个颜色分量。

最后我们期望得到一个恰当的16x16维数组，那么当我们画完图之后，点击执行，输出最终得到的float数组，并按16个为一行折行，修改我们第一个例子中的执行函数:

- (IBAction)test:(id)sender

// fann_type input[2] = _input1.text.floatValue,_input2.text.floatValue;

// NSArray *output = [[XYRobotManager sharedManager] runInputDatas:input];

// [_output setText:[output.firstObject stringValue]];

//压缩的size

int size = 16;

//获取手写区图像的红色通道色值数组

fann_type* colors = [_drawingView getImageToBinaryForSize:CGSizeMake(size, size)];

//i为列，j为行

for (int i = 0; i < size; i++)

for (int j = 0; j < size; j++)

printf("%.0f ",colors[i*size+j]);