日语假名手写识别系统
一、项目简介
本项目基于 CNN 卷积神经网络构建日语假名手写识别系统，包含模型训练、测试集验证、Tkinter 手写板 UI三大模块。用户可在画布上手写日语假名，系统实时识别并显示结果。
系统环境：Python 3.10 · TensorFlow GPU
二、数据集
Kuzushiji-49 数据集，包含 49 个日语假名字符类别（48 平假名 + 1 迭代标记），总计 270,912 张 28×28 灰度图像。
三、模型架构
| 层 | 配置 |
|---|---|
| 卷积层 1 | 32 通道 → BatchNorm → Dropout |
| 卷积层 2 | 64 通道 → BatchNorm → Dropout |
| 卷积层 3 | 128 通道 → BatchNorm → Dropout |
| 全连接 1 | 1024 神经元 |
| 全连接 2 | 512 神经元 |
| 输出层 | 49 类 Softmax |
四、训练策略
- 优化器：Adam
- 损失函数：交叉熵 (CrossEntropy)
- Epochs：7 · Batch Size：64
- 早停法：patience=7，防止过拟合
- 学习率调度：ReduceLROnPlateau 动态调整
- 最终准确率：约 88.2%
训练曲线：
五、UI 界面
使用 Tkinter 构建手写识别桌面应用：
- 白色画布 + 黑色笔迹（与训练数据格式一致）
- "清除"按钮清空画布，"识别"按钮触发预测
- 精准的屏幕坐标截图区域定位
- 实时显示识别结果
六、关键问题解决
问题 1：黑底白字导致识别错误
初始版本画布背景为黑色，与训练数据（白底黑字）不一致。改为白色背景 + 黑色笔迹后问题解决。
修复前（黑底白字）：
修复后（白底黑字）：
问题 2：截图区域偏移
非全屏窗口下 ImageGrab.grab() 捕获区域错误。通过 winfo_rootx() / winfo_x() 获取画布绝对坐标精准定位。
七、技术选型
| 模块 | 技术 | 对应知识点 |
|---|---|---|
| 数据处理 | NumPy + Matplotlib | 通用数据预处理流程 |
| 模型构建 | TensorFlow + Keras CNN | 图像分类模型 |
| UI 界面 | Tkinter | 手写数字 UI 案例 |
| 模型部署 | load_model 函数 | 模型加载方法 |