手写数字识别系统

这个项目使用MNIST数据集训练YOLOv8模型实现手写数字识别，并通过摄像头进行实时检测。

项目结构

.
├── data/                      # 数据集目录
│   └── with_notrans/          # 原始MNIST数据
│   └── yolo_mnist/            # 转换后的YOLO格式数据(自动生成)
├── models/                    # 模型保存目录(自动生成) mnist_digits10.pt 为训练得到的模型
├── convert_mnist_to_yolo.py   # 数据集转换脚本
├── train.py                   # 模型训练与摄像头识别脚本
└── README.md                  # 项目说明

使用方法

1. 转换数据集

首先需要将MNIST数据集转换为YOLO格式：

python convert_mnist_to_yolo.py

2. 训练模型并启动摄像头识别

运行以下命令开始训练并在训练完成后自动启动摄像头识别：

python train.py

实验效果

下图展示了使用摄像头进行实时手写数字识别的效果，系统能够准确识别出手写的数字并显示识别置信度。

环境依赖

本项目需要安装以下Python包：

• ultralytics (YOLOv8)
• torch
• opencv-python
• numpy
• pillow

安装依赖：

pip install ultralytics opencv-python pillow numpy torch

使用说明

1. 运行convert_mnist_to_yolo.py转换数据集，转换后的数据会保存在data/yolo_mnist目录下
2. 运行train.py训练模型，训练完成的模型会保存在models/mnist_digits.pt
3. 训练完成后，系统会自动启动摄像头进行实时识别
4. 在摄像头窗口中按"q"键退出识别程序

注意事项

1. 确保您的电脑配置有摄像头并且能够正常工作
2. 运行前确保已安装所有必要的依赖项
3. 对于手写数字识别，摄像头中的数字应该尽量清晰且背景简单