hwr-address's Introduction

hwr-address !!! This is Deprecated!!!

基于深度学习的手写汉字地址识别

汉字单字识别
- 使用 8 层CNN和 2 层全连接识别 3755 个 GB2312 一级汉字 [1]，鉴于3755个类训练时间过长，调整为1056个类（县级以上地址的字符与一级汉字的交集）。
- 使用 2 层CNN和 1 层全连接识别 15 的中文地址关键字， 省,市,县,区,乡,镇,村,巷,弄,路, 街, 社, 组, 队, 州
- 使用 HCL2000 中文汉字手写数据库，对每个汉字包含 700 个训练样本和 300 个测试样本 [2]
地址树构建
- 使用民政部《2013年中华人民共和国县以下行政区划代码》作为知识库，构建形如
```
 **
 	上海市
 		浦东新区
 			张江镇
 		黄浦区
 		...
 	...
```
  的地址树，用于验证识别的汉字。
综合识别
- 输入：单行图片格式中文手写汉字地址
- 输出：识别结果(中文字符串)

模型，框架，工具

python语言
tensorflow，keras两种实现，相较之下，keras的封装实现效率更高
目录


/src 			# source code
/data/ 			# dataset and train result
	address/	# address tree
	hcl/		# HCL2000 数据库
	result/		# train result
	sample/		# test samples，jpg pictures
/test
	test_recognize.py # just run it, it will show you the result.
/tools/			# some io tools

运行
```
cd test
python test_recognize.py
```
参考文献
1. Zhang X Y, Bengio Y, Liu C L. Online and Offline Handwritten Chinese Character Recognition: A Comprehensive Study and New Benchmark[J]. Pattern Recognition, 2016, 61(61):348-360.
2. Zhang H, Guo J, Chen G, et al. HCL2000 - A Large-scale Handwritten Chinese Character Database for Handwritten Character Recognition[C]// International Conference on Document Analysis and Recognition. IEEE Computer Society, 2009:286-290.
工具的安装
- tensorflow, Ubuntu可以直接通过sudo apt-get install tensorflow安装, GPU版本及cuda的安装参见这里
- keras, keras是基于 tensorflow 或 theano 的对深度学习模型的更高一层封装，相对 tensorflow 直接实现效率更高
```
# keras依赖库
sudo apt-get install liblapack-dev gfortran python-scipy cython libhdf5-dev python-h5py
sudo pip install keras
```
- 注意，在 keras 中如果以 tensorflow 作为后端，数据输入格式为 (channel, row, col)时，需要修改.keras目录下的json配置文件，将 image_dim_order 改为 'th'(theano模式，即Numpy数组的默认模式)。