人工智能实战2——从0开始手写符号识别

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. //  Copyright © 2016年 com.ifenduo. All rights reserved. // #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 {