68 lines
3.7 KiB
Markdown
68 lines
3.7 KiB
Markdown
# 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) |