[텐서플로우] Tensorflow MNIST 손으로 쓴 숫자 이미지 인식해서 맞추기

전에 설명했던 숫자 이미지 하나 불러와서 숫자 맞추기를 이용하여 이번에는 직접 손으로 쓴 숫자를 이미지를 사용하여 맞추기를 해보겠습니다.  이미지를 만드는게 귀찮았는데 오늘은 시간이 좀 남아서 시도해 보았습니다.

 

1. 숫자 이미지 만들기

2. 디렉토리 생성

3. 코딩

4. 결과

5. 전체 소스

 

1. 숫자 이미지 만들기

 

숫자 이미지는 이미지 편집 프로그램이 없다면 윈도우즈 보조프로그램에 기본적으로 들어있는 그림판을 이용해서 만들면 됩니다.

그림판에 마우스를 이용해서 3을 써보았습니다. 좀 덜덜거리며 씌여졌지만 처음 한번 쓴걸 사용하기로 했습니다.  숫자를 적었으니 저장을 합니다.

 

파일 > 다른 이름으로 저장 > PNG

물론 다른 이미지로 저장을 해도 됩니다.  그럼 불러올 때 그에 맞추어서 소스를 수정해 사용하시면 되고요.

tensorflow_model03.png로 저장을 했습니다. 

2. 디렉토리 생성

 

손으로 작성한 숫자 이미지를 저장할 위치를 만들었습니다.  그리고 숫자 이미지는 number 디렉토리로 이동을 했습니다.  전에 테스트 했던 9도 아직 삭제를 안해서 같이 있네요.

3. 코딩

 

처음에 나오는 부분은 전에 설명했던 부분이고 이미지를 불러오는 부분부터 변경이 되었습니다.  기존에는 이미지 사이즈가 테스트 하기에 적당한 크기 였지만 이번에는 사이즈를 조정해야 해서 변경을 하였습니다.

 

이미지를 cv2를 이용해서 불러오고 화면에 출력을 해 봅니다.

gray = cv2.imread("F:/tensordata/number/tensorflow_model03.png", cv2.IMREAD_GRAYSCALE) plt.imshow(gray) plt.show()

불러온 이미지의 사이즈를 테스트에 적합 하게 수정해 줍니다.

gray = cv2.resize(255-gray, (28, 28)) test_num = gray.flatten() / 255.0 test_num = test_num.reshape((-1, 28, 28, 1))

변경된 이미지를 사용하여 숫자 번호가 몇인지 알아맞춰 봅니다.

print('The Answer is ', model.predict_classes(test_num))

4. 결과

 

The Answer is  [3] 이라고 하는군요.  정답 입니다.

5. 전체 소스

import tensorflow as tf import matplotlib.pyplot as plt from PIL import Image mnist = tf.keras.datasets.mnist import cv2   (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0   model = tf.keras.models.Sequential([   tf.keras.layers.Flatten(),   tf.keras.layers.Dense(512, activation=tf.nn.relu),   tf.keras.layers.Dropout(0.2),   tf.keras.layers.Dense(10, activation=tf.nn.softmax) ]) model.compile(optimizer='adam',               loss='sparse_categorical_crossentropy',               metrics=['accuracy'])   model.fit(x_train, y_train, epochs=5) score = model.evaluate(x_test, y_test) # 이미지 불러와 출력 gray = cv2.imread("F:/tensordata/number/tensorflow_model03.png", cv2.IMREAD_GRAYSCALE) plt.imshow(gray) plt.show() # 이미지 사이즈 변경 gray = cv2.resize(255-gray, (28, 28)) test_num = gray.flatten() / 255.0 test_num = test_num.reshape((-1, 28, 28, 1)) # 이미지 숫자 테스트  print('The Answer is ', model.predict_classes(test_num))