# 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)