基於Tensorflow\keras銀行卡識別

2020-12-11 酷扯兒

本文轉載自【微信公眾號：機器學習算法與Python精研 ，ID:AITop100】,經微信公眾號授權轉載，如需轉載原文作者聯繫

來自：GitHub

測試環境

Ubuntu 18.04python 3.6.7numpy 1.16.4tensorflow-gpu 1.13.1 或者是cpu版本keras 2.2.4opencv-python 4.1.0.25PyQt5 5.12.2CUDA 10.0.130cuDNN 7.5

環境搭建

pip3 install numpy==1.16.4pip3 install tensorflow-gpu==1.13.1 #或者使用cpu版本pip3 install keras==2.2.4pip3 install opencv-python==4.1.0.25pip3 install PyQt5==5.12.2

CUDA與cuDNN安裝

具體安裝過程可以在NVIDIA官網查看

啟動demo

執行demo.py打開銀行卡號識別的GUI界面。batch_test.py用於對銀行卡進行批量識別，將要識別的銀行卡放在同目錄下的test_images文件中。定位結果以及識別結果存放在test_results中。

模型訓練

在train文件中首先執行datasets.py進行數據增強，並生成對應圖片路徑及標籤文件，再執行run.py文件開始模型的訓練，訓練大概20個epoch後loss不再收斂可以停止。訓練的模型被保存在train/model中。

測試模型

選取銀行卡圖片進行測試時，銀行卡儘量充滿圖片，橫向放置。

相關焦點

  • 100天搞定機器學習|day39 Tensorflow Keras手寫數字識別
    1、安裝庫tensorflow有些教程會推薦安裝nightly，它適用於在一個全新的環境下進行TensorFlow的安裝，默認會把需要依賴的庫也一起裝上。我使用的是anaconda，本文我們安裝的是純淨版的tensorflow，非常簡單，只需打開Prompt：
  • Tensorflow.keras筆記-卷積神經網絡
    Tensorflow.keras筆記-卷積神經網絡cifar10數據集    1.
  • 基於RTX2060構建TensorFlow-gpu(keras)學習平臺
    開始菜單運行anaconda navigator檢查是否安裝了notebook（默認有安裝）三、安裝tensorflow/keras在激活的環境中安裝：1. 如果機器上有gpu，則安裝gpu版本，沒有GPU就安裝cpu版。
  • TensorFlow 1.9 新增 tf.keras 官方入門教程(Keras與TF的深度集成)
    好消息是Keras的許多核心功能已經融入了原生的TensorFlow（tf.keras），TensorFlow 1.9新增tf.keras官方入門文檔，介紹了tf.keras的使用。這幾天打開TensorFlow的官方教程頁（https://www.tensorflow.org/tutorials/），會發現教程頁中給出的DEMO變成了基於tf.keras的教程。
  • 用Keras+TensorFlow,實現ImageNet數據集日常對象的識別
    圖像識別圖像識別，或者說物體識別是什麼？它回答了一個問題：「這張圖像中描繪了哪幾個物體對象？」如果你研究的是基於圖像內容進行標記，確定盤子上的食物類型，對癌症患者或非癌症患者的醫學圖像進行分類，以及更多的實際應用，那麼就能用到圖像識別。
  • 深度學習環境配置指南:Pytorch、TensorFlow、Keras
    導讀本文介紹了作者使用RTX3090進行深度學習環境配置pytorch、tensorflow、keras等的詳細過程及代碼。筆者中山大學研究生，醫學生+計科學生的集合體，機器學習愛好者。-7.2.1.4-cp36-none-linux_x86_64.whl tensorflow_estimator-1.15.1-py2.py3-none-any.whl nvidia_tensorboard-1.15.0+nv20.10-py3-none-any.whlnvidia_tensorflow-1.15.4+nv20.10-cp36-cp36m-linux_x86_64.whl -i http
  • TensorFlow 2.0正式版官宣!深度集成Keras
    查看分布式訓練指南了解更多: https://www.tensorflow.org/guide/distributed_training TensorFlow 2.0在GPU上提供了許多性能改進。
  • 圖像分類任務中,Tensorflow 與 Keras 到底哪個更厲害?
    他們提出了一個名為TPU的獨立實例，它具有最強大的功率驅動計算能力來處理tensorflow的深度學習模型。是時候做一個了！我現在將幫助你使用tensorflow創建一個功能強大的圖像分類器。等等！什麼是分類器？這只是一個簡單的問題，你向你的tensorflow代碼詢問，給定的圖像是玫瑰還是鬱金香。所以，首先的首先，讓我們在機器上安裝tensorflow。
  • Keras和TensorFlow究竟哪個會更好?
    我會使用基於 TensorFlow 的標準 keras 模塊和 tf.keras 模塊，來實現一個卷積神經網絡（CNN）。然後，基於一個示例數據集，來訓練這些 CNN，然後檢查所得結果，你會發現，Keras 和 TensorFlow 是可以和諧共處的。
  • 使用tensorflow和Keras的初級教程
    https://www.kaggle.com/mlg-ulb/creditcardfraudimport tensorflow as tfprint(tf.__version__)import pandas as pdimport numpy as npfrom sklearn.model_selection import train_test_splitimport tensorflow as tffrom sklearn import preprocessingfrom tensorflow.keras.models import Sequentialfrom
  • 基於TensorFlow和Keras的圖像識別
    其設計原則旨在用戶友好和模塊化，儘可能地簡化TensorFlow的強大功能，在Python下使用無需過多的修改和配置圖像識別（分類）圖像識別是指將圖像作為輸入傳入神經網絡並輸出該圖像的某類標籤。該標籤對應一個預定義的類。圖像可以標記為多個類或一個類。如果只有一個類，則應使用術語「識別」，而多類識別的任務通常稱為「分類」。
  • 一文上手Tensorflow2.0之tf.keras|三
    【磐創AI導讀】：本系列文章介紹了與tensorflow的相關知識，
  • RTX 3090 的深度學習環境配置指南:Pytorch、TensorFlow、Keras
    導讀本文介紹了作者使用RTX3090進行深度學習環境配置pytorch、tensorflow、keras等的詳細過程及代碼。筆者中山大學研究生，醫學生+計科學生的集合體，機器學習愛好者。-7.2.1.4-cp36-none-linux_x86_64.whl tensorflow_estimator-1.15.1-py2.py3-none-any.whl nvidia_tensorboard-1.15.0+nv20.10-py3-none-any.whlnvidia_tensorflow-1.15.4+nv20.10-cp36-cp36m-linux_x86_64.whl -i http
  • TensorFlow開發者證書 中文手冊
    考試流程TensorFlow Certificate 官方網站：https://tensorflow.google.cn/certificate?hl=vi如果您通過了考試，但在10個工作日內沒有收到證書，或者如果您想選擇不接受您的證書，請在tensorflow-certificate-team@google.com與我們聯繫。
  • TensorFlow 2.1指南:keras模式、渴望模式和圖形模式(附代碼)
    經過一些實驗後，我發現在TensorFlow 2.1中，有3種構建模型的方法：Keras模式（tf.keras）：基於圖形定義，並在以後運行圖形。渴望模式：基於定義執行的所有迭代定義圖的操作。Keras模式import numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras.layers import Input, Dense, Flatten, Conv2Dfrom tensorflow.keras
  • TensorFlow 1.9.0-rc0 升級 tf.keras 至 Keras 2.1.6 API
    該版本帶來了不少改進和新特性：Update tf.keras to the Keras 2.1.6 API.tfe.Network is deprecated. Please inherit from tf.keras.Model.
  • 基於OpenCV與tensorflow實現實時手勢識別
    公眾號【OpenCV學堂】，致力於計算機視覺開發技術傳播，原創技術文章200+的，涉及OpenCV開發、tensorflow開發、模型解析與訓練、傳統圖像處理算法解析，對圖像與視覺感興趣的強烈推薦關注！
  • Python安裝TensorFlow 2、tf.keras和深度學習模型的定義
    首先，導入TensorFlow模塊並將其命名為「 tf 」；然後，通過調用tf.keras來訪問Keras API元素；例如：import tensorflow as tfmodel = tf.keras.Sequential()由於TensorFlow是Keras開源項目的事實上的標準後端
  • 《基於Scikit-Learn、Keras和TensorFlow的機器學習實戰》:人工神經網絡介紹
    \my_env\Scripts\activate 接下來，安裝TensorFlow 2(如果你不使用virtualenv，你將需要管理員權限，或添加 --user選項):對於GPU支持，在寫這篇文章的時候，你需要安裝tensorflow-GPU而不是tensorflow，但tensorflow團隊正在研究一個單獨的庫，它將同時支持僅有cpu和配備GPU的系統。
  • Keras結合Keras後端搭建個性化神經網絡模型(不用原生Tensorflow)
    Keras是基於Tensorflow等底層張量處理庫的高級API庫。它幫我們實現了一系列經典的神經網絡層（全連接層、卷積層、循環層等），以及簡潔的迭代模型的接口，讓我們能在模型層面寫代碼，從而不用仔細考慮模型各層張量之間的數據流動。