digitsclassifier 2.0.1

Library to detect single digits (0-9) in black/white images

digitsclassifier

Das Projekt dient zur Erkennung einer gedrukten Ziffer (0-9) in einem Bild.

Inferenz

Die Library erwaretet Bilder mit einem einzigen Zeichen. Das Bild muss Schwarz auf Weis sein. Es wird ein Graustufenbild erwartet. Die Library übernimmt die Binarisierung und auch das restliche aufbereiten / skalieren der Bilder.

Für optimale Ergebnisse sollte ein quadratisches Bild übergeben werden, und es sollte idealerweise mindestens 28x28 Pixel haben.

Das folgende Beispiel zeigt die Verwendung der predict_digits Methode:

from digitsclassifier import predict_digits
import cv2

img = cv2.imread("drei.png", cv2.IMREAD_GRAYSCALE)

chars, probs = predict_digits([img], 1)

print(f'Zeichen "{chars[0][0]} " mit Wahrscheinlichkeit {round((100.0*probs)[0][0], 2)}% erkannt'.)

Neuronales Netz

Das Training des Neuronalen Netz ist nicht Bestandteil dieses Projekts, sondern muss getrennt trainiert werden und dann als src/models/digit_classifier_model.keras abgelegt sein.

Das darunterliegende Keras-Netzwerk erwartet die Bilder im Format 28x28 Pixel, wobel das Zeichen selbst nur die inneren 24x24 Pixel belegen darf, der Rest ist Rand.

Das Netz erwartet die Bilder Weiß auf Schwarz.

Entwicklungsumgebung einrichten

Zum Erzeugen des Paketes wird pdm verwendet.

Library paketieren (lokal)

pdm build

Library Veröffentlichen (PyPi)

Manuell

Zur Veröffentlichung des Projekts einfach

pdm publish -u __token__ -P <Hier dein PyPi-API-Token>

ausführen.

Über Github Actions

Durch das Tagging der Version kann das Publishing auch von Github automatisch durchgeführt werden.

git tag v2.0.1
git push origin v2.0.1

Hierfür muss am Repository aber das API-Token deines Users für das entprechende Paket unter dem Namen PYPI_TOKEN hinterlegt sein.