Добавить README.md

README.md

@@ -0,0 +1,68 @@
+# Распознавание образов на Python с использованием CNN
+
+Курсовая работа по дисциплине  
+**«[указать название дисциплины]»**
+
+---
+
+## 📌 Описание проекта
+
+Данный проект представляет собой программную реализацию системы **распознавания образов**  
+(рукописных цифр) с использованием **сверточной нейронной сети (CNN)** на языке программирования **Python**.
+
+В рамках работы реализовано:
+- обучение нейронной сети на датасете **MNIST**,
+- сохранение и повторное использование обученной модели,
+- графический пользовательский интерфейс (GUI) на базе **Tkinter**,
+- визуализация результатов обучения (графики, метрики),
+- демонстрация процесса распознавания пользовательского ввода.
+
+Проект разработан в рамках выполнения курсовой работы и предназначен для учебных и демонстрационных целей.
+
+---
+
+## 🎯 Цель и задачи работы
+
+### Цель работы
+Разработка программного приложения для распознавания образов с применением методов машинного обучения и нейронных сетей на языке Python.
+
+### Задачи работы
+- изучить теоретические основы распознавания образов;
+- рассмотреть архитектуру сверточных нейронных сетей;
+- реализовать CNN-модель для распознавания рукописных цифр;
+- обучить модель на наборе данных MNIST;
+- разработать графический интерфейс пользователя;
+- провести тестирование и анализ результатов распознавания.
+
+---
+
+## 🧠 Используемые технологии
+
+- **Язык программирования:** Python 3
+- **Машинное обучение:** PyTorch
+- **Нейронные сети:** сверточная нейронная сеть (CNN)
+- **Графический интерфейс:** Tkinter
+- **Обработка изображений:** Pillow
+- **Визуализация:** Matplotlib
+
+---
+
+## 🗂 Структура проекта
+
+```text
+raspoznavanie-obrazov-python-cnn/
+│
+├── app.py                # Графический интерфейс (Tkinter)
+├── model.py              # Архитектура CNN
+├── train.py              # Обучение модели и сохранение артефактов
+├── preprocess.py         # Предобработка изображений
+├── utils.py              # Вспомогательные функции (логирование, графики)
+├── requirements.txt      # Зависимости проекта
+│
+├── artifacts/            # Результаты обучения
+│   ├── mnist_cnn.pt      # Обученная модель
+│   ├── metrics.json      # Метрики обучения
+│   ├── training_plot.png # График loss и accuracy
+│   └── train.log         # Лог обучения
+│
+└── data/                 # Данные MNIST (загружаются автоматически)