項目背景

最近老師需要我識別LCD數(shù)顯儀表的數(shù)字，我首先想到的是采用類似車牌分割的辦法，先把數(shù)字分割出來，再采用神經(jīng)網(wǎng)絡識別數(shù)字。

為什么不直接將整個LCD圖片放進一個網(wǎng)絡識別？

因為如果這樣做的話需要大量的數(shù)據(jù)，而且可能精度不一定能夠得到保證。

自制MNIST數(shù)據(jù)集

模仿mnist數(shù)據(jù)集制作自己的數(shù)據(jù)集
可以參考上述文章制作數(shù)據(jù)集

這是我自己生成的LCD數(shù)字訓練圖片，其實我在這里使用了一個比較巧的辦法，因為按道理我是需要自己去采集顯示中數(shù)顯LCD的數(shù)據(jù)，但是由于條件不夠，所以我才自己生成訓練數(shù)據(jù)（老師還跟我提及到他以前有個學生也是采用這種思路獲得訓練數(shù)據(jù)，只不過那位大神是采用GAN生成數(shù)據(jù)）。
我這里的訓練數(shù)據(jù)大概是兩萬多張。

訓練模型

直接采用tensorflow提供的訓練MNIST模型的代碼就能夠獲得很好的效果，這里就不展示了。

訓練問題

采用tensorflow提供的input_data.py作為數(shù)據(jù)讀入后，訓練出的模型會出現(xiàn)識別不到數(shù)字0
原因是自己的數(shù)據(jù)集比較少，而在mnist.py這個文集文件里面可以看到read_data_sets這個函數(shù)默認會采用前5000訓練數(shù)據(jù)作為驗證集的數(shù)據(jù)，所以前5000個訓練集沒有參與訓練，而數(shù)字0剛好在這5000個數(shù)據(jù)里面。
解決辦法：

• 訓練數(shù)據(jù)的時候選擇較小的驗證集數(shù)量，例如100等等
• 前面那個生成MNIST訓練集的方法加入將輸入文件順序打亂的功能