笔迹预测器 托马斯·惠特玛(Thomas Huitema) 目标:使用卷积神经网络模型预测笔迹。 描述 这是我的第一个大型机器学习项目之一。 卷积神经网络模型是使用Tensorflow和Keras开发与培训的数据集来检测手写的数字。 在执行时,该模式我开发了一个记录99.42%的准确度model.evaluate为MNIST测试图像。 未来目标: 创建一个GUI界面来预测鼠标绘制的数字 从左到右和从上到下检测字符,而不仅仅是从左到右 实施字母识别(az) 实现符号识别(例如+-/ * $#) 区分同一单词的空格和字符 使用的图书馆 Tensorflow和Keras:用于开发卷积神经网络模型并访问MNIST数据集 NumPy:用于格式化/准备馈入神经网络模型的数据 OpenCV:用于将用户图像转换为可以检测字符的格式(例如,模糊,阈值和轮廓) MatPlotLib:用于将NumP