优化器
Adam · 交叉熵损失 · Epochs: 7 · Batch Size: 64
日语假名手写识别系统
深度学习课程设计 · 深圳职业技术大学 · 23智能2
TensorFlow CNN · 49 类假名 · 88.2% 准确率 · Tkinter 桌面应用
49
假名字符类别
270K
训练图像
88.2%
识别准确率
3
卷积层
01项目简介
基于深度学习的手写日语假名识别系统，使用 TensorFlow + Keras CNN 搭建三级卷积神经网络。支持用户在 Tkinter 画布上直接手写假名，实时识别并显示结果。完整实现数据预处理、模型训练、评估优化到桌面应用部署的全流程。
02数据集
使用 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，是经典 MNIST 格式的日语版本。
03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 |
04训练策略
早停法
patience=7，防止过拟合
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%，49 类分类任务
约 88.2%，49 类分类任务
05UI 界面与关键问题解决
Tkinter 桌面应用
白色画布 + 黑色笔迹
与训练数据格式一致，避免黑白反转
与训练数据格式一致，避免黑白反转
精准截图定位
ImageGrab.grab() 配合 winfo_rootx() 坐标计算操作按钮
"清除"清空画布 · "识别"触发预测 · 实时显示结果
"清除"清空画布 · "识别"触发预测 · 实时显示结果
关键问题
黑底白字导致识别错误
画布背景色与训练数据反色，识别率大幅下降。解决：统一白色画布
画布背景色与训练数据反色，识别率大幅下降。解决：统一白色画布
截图区域偏移
窗口坐标与实际截图位置偏差。解决：使用
窗口坐标与实际截图位置偏差。解决：使用
winfo_rootx/y 精准定位06技术选型
| 模块 | 技术 |
|---|---|
| 数据处理 | NumPy · Matplotlib |
| 模型构建 | TensorFlow · Keras CNN（3 层卷积） |
| UI 界面 | Tkinter 桌面应用 |
| 模型部署 | load_model 函数热加载 |
