EAST+CRNN银行卡号识别,附数据集

机器学习AI算法工程

共 3184字,需浏览 7分钟

 ·

2020-09-25 02:38









向AI转型的程序员都关注了这个号???

机器学习AI算法工程   公众号:datayx


实现功能与方法

  1. 卡号识别(CNN-BLSTM-CTC)

  2. 卡号定位 (EAST)

  3. 交互界面 (PyQt5)

使用方法

  1. 下载源码

  2. 下载训练好的模型

  3. 卡号识别模型放置于crnn/model(建立model文件夹),卡号定位模型放置于east/model

  4. 使用PyCharm打开(或其他IDE),或者直接执行python demo.py

  5. 出现GUI后即可使用

注*:因CRNN模型代码更新,此模型故已弃用。可在下文下载其预训练网络。


数据集,模型,代码 以及运行教程  获取:

关注微信公众号 datayx  然后回复  银行卡  即可获取。

AI项目体验地址 https://loveai.tech


功能介绍

卡号识别

在这里因为给定的数据集都是每一个上有四个数字(有些为空格),但是所识别的最终目标——银行卡号有不定的长度。现在比较流行的解决方案是CRNN和CTC损失函数。于是我就这么做吧,CNN部分参考自VGG网络,RNN则使用的是双向LSTM(简称BLSTM),使用GRU也可以实现,可以下来试试。

这个模型不好的地方是训练。训练参数可以在crnn/cfg.py中设置,性能较为一般的显卡推荐使用默认设置,性能卓越的显卡可以增大BATCH_SIZEEPOCH。识别效果如下图:


模型的训练方法如下:

  1. 下载预训练模型.并将其路径写入crnn/cfg.pyPRE_TRAINED_MODEL_PATH变量中

  2. python crnn/preprocess.py

  3. python crnn/run.py

注:模型训练的数据集是由子数据集(4-6个)拼凑而成的不定长度的数据,crnn/cfg.py中的MAX_LABEL_LENGTH用来设置数据的最大长度。这部分数据是通过运行crnn/preprocess.py生成,可以通过AUG_NBR设置生成数据集个数。其效果如下:




卡号定位

这一部分是重中之重,考虑到自己还没有能力去研究新的图像字符定位算法,就参考了许多这类算法。现在比较成功的莫过于CTPN了,其次也有Faster-RCNN,EAST,Seg-Link等等。而偏偏选用EAST的原因可能是一见钟情吧(名字好听)。


此部分引用的是EAST的Keras实现,但此EAST并非原生的EAST,而是改进的AdvancedEAST




这个模型特点之一就是方便训练,直观也简练。训练方法及更多原理参见原文部分。

特别值得提起的是数据集,是我自己从互联网上搜罗来的,然后还进行了标注。过程比较痛苦。面临的问题是,几百张数据可能训练不出好的模型,所以后期使用自动定位不成功的,可能原因之一就是数据集太小(我…尽力了…)。但是用于这样的小系统开发,还是有一定的使用价值。

如果你有更多的数据的话,若想进行标注。懂的同学可以标注直接标注为 ICDAR 2015的格式,不懂的同学则可以使用dataset/tagger.py简陋的标注器来标注,标注方法:以目标区域左上角开始,顺时针的点击物体的角点,直到最后一个点,可在数据同目录的txt下看到形如x1,y1,x2,y2,x3,y3,x4,y4,###的值###表示忽略目标内容。如果成功标注完成,在east目录下运行python east/preprocess.py得到形如以下形式的图像,就代表成功了。




模型的训练方法如下:

  1. python east/preprocess.py(可选,若数据集有变更则运行)

  2. python east/run.py

注:部分参数可以在east/cfg.py中设置,推荐使用默认。

交互界面

使用了Qt对Python的接口PyQt5来完成,UI设计使用QtDesigner来完成。整体效果如下:(且不说美,起码能看,中规中矩吧)


除了读取(Load)和识别(Identify)两个按钮外,还有复制(Copy)和一些调整视图的按钮,旋转和缩放,基本够用了。
把定位和识别功能都集成在了Identify按钮上,点击Load读取照片后,直接点击这个按钮就好。效果如下:




但是也想之前所述,因为训练数据的贫乏,导致部分测试数据无法定位。后期可通过增大训练数据集解决。目前自动定位失败主要集中在卡号和卡片背景颜色相近的情况,例如都偏暗,或者都偏亮。可以在定位之前,给测试数据加上若干预处理操作,如提高亮度,增加对比度等




如果自动识别失败或定位效果不理想,可以启动手动定位,使用方法是:在图片显示部分鼠标双击左键,即可激活矩形选框,再进行选择就好了。(如果非要选择不是银行卡的部分,那也拿你没办法,你开心就好:)
下面是一些手动定位操作的GIF图:







阅读过本文的人还看了以下文章:


TensorFlow 2.0深度学习案例实战


基于40万表格数据集TableBank,用MaskRCNN做表格检测


《基于深度学习的自然语言处理》中/英PDF


Deep Learning 中文版初版-周志华团队


【全套视频课】最全的目标检测算法系列讲解,通俗易懂!


《美团机器学习实践》_美团算法团队.pdf


《深度学习入门:基于Python的理论与实现》高清中文PDF+源码


特征提取与图像处理(第二版).pdf


python就业班学习视频,从入门到实战项目


2019最新《PyTorch自然语言处理》英、中文版PDF+源码


《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码


《深度学习之pytorch》pdf+附书源码


PyTorch深度学习快速实战入门《pytorch-handbook》


【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》


《Python数据分析与挖掘实战》PDF+完整源码


汽车行业完整知识图谱项目实战视频(全23课)


李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材


笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!


《神经网络与深度学习》最新2018版中英PDF+源码


将机器学习模型部署为REST API


FashionAI服装属性标签图像识别Top1-5方案分享


重要开源!CNN-RNN-CTC 实现手写汉字识别


yolo3 检测出图像中的不规则汉字


同样是机器学习算法工程师,你的面试为什么过不了?


前海征信大数据算法:风险概率预测


【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类


VGG16迁移学习,实现医学图像识别分类工程项目


特征工程(一)


特征工程(二) :文本数据的展开、过滤和分块


特征工程(三):特征缩放,从词袋到 TF-IDF


特征工程(四): 类别特征


特征工程(五): PCA 降维


特征工程(六): 非线性特征提取和模型堆叠


特征工程(七):图像特征提取和深度学习


如何利用全新的决策树集成级联结构gcForest做特征工程并打分?


Machine Learning Yearning 中文翻译稿


蚂蚁金服2018秋招-算法工程师(共四面)通过


全球AI挑战-场景分类的比赛源码(多模型融合)


斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)


python+flask搭建CNN在线识别手写中文网站


中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程



不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加: datayx  



机大数据技术与机器学习工程

 搜索公众号添加: datanlp

长按图片,识别二维码


浏览 153
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报