基于卷积模型的数字与操作符图像识别模型

本文主要介绍了使用Keras来构建卷积网络模型进行数字与操作符的图像识别

首先使用了captcha来生成指定图像，这里将会生成3个图像，分别为2个数字，1个操作符作品输入，随后构建VGG-like的卷积网络进行训练，使用训练好的模型对新生成的图像进行预测

数据生成

captcha库可以用来生成验证码，这里我们使用captcha库来生成样例图像进行识别

生成一个7+4=11的样例图像

这里主要思路是将7、+和4的图像最为输入来训练模型，使模型能够正确识别数字与操作符，进行运算返回正确答案

作为示例，为了简化计算，我们的输入数字限定为0到9，输入的操作符号限定为+、-、*和/

定义相关的预处理函数，如将数字和操作符的标签(label)进行编码，转为one-hot编码形式

定义生成器来批量产生图像数据和其标签

训练卷积网络模型

分别对数字图像和操作符图像构建两个VGG-Like的卷积网络模型

数字模型

训练数字模型

测试数字模型

操作符模型

训练操作符模型

测试操作符识别模型

测试模型

生成2张数字图像和1张操作符图像来测试一下我们的模型