【中小学人工智能教育】案例1 基于可视化模型训练的手写体数字识别

基于可视化模型训练的手写体数字识别

以手写数字识别为例，结合小喵AI的可视化机器学习和Kittenblock图形化编程，分享一个快速的有趣的机器学习项目。项目供老师们作为一个课程设计思路，无需依赖硬件及摄像头，非常适合快速开展课程。

汉明距离计算是一种传统的数字识别方法，用于衡量两个等长序列在相同位置上不同元素的数量，其核心原理是通过量化两幅二值化图像在像素级的一致性程度。

在实时识别阶段，系统将输入图像的二进制向量与模板进行异或运算。在比对结果中，数据不同的总数为汉明距离，通常也会说成差异数。

在浏览器中打开Kittenblock在线版（kblock.kittenbot.cn），添加“画笔”和“机器学习（可视化）”插件。

    编写简单的程序，在舞台上绘制数字：设置画笔的颜色与粗细；清空舞台并隐藏角色；让角色一直跟随鼠标移动；用鼠标的按下与释放控制落笔和抬笔。

完成后，就可以在舞台上书写数字。

为了方便，还可以通过空格键来快速清除舞台内容，实现类似“黑板擦”的功能。

运行程序，在舞台上书写完数字，即可通过右键保存舞台图片。

需要注意的是，由于鼠标点击的积木是不区分左右键的，因此建议在数字的笔画上右键保存，避免在空白处落笔。

保存时，建议按照一定的规律进行重命名，方便后续的样本上传

用同样的方法，给每个阿拉伯数字书写5个训练样本。单个数字的样本数越多越好，并且样本之间最好存在一些差异，以便AI能有更好的识别效果。

这里为了方便，仅制作较少数量的样本，实际体验中可大幅增加样本数量，并且划分出训练集和测试集。

可视化模型训练是通过图形化界面和交互工具，使用户能够快速地直观地构建、训练和评估机器学习模型的应用。

在积木栏中点击【打开模型训练工具】，并选择【图像分类】。

上传前面收集的手写体样本，完成数据标注、模型训练与测试。这里采用直接上传图片和舞台识别的方式进行图像识别，无需使用摄像头。

给每个数字都上传好对应的训练素材，同时做好组别的标注，完成后点击【训练模型】。

为了更好的效果，这里设置了一个空白的数据，上传了5张空背景的图，当舞台没有写数字的时候，就会识别为空。

如果需要将模型用在kittenblock的程序上，点击上方的【使用模型】即可跳转编程界面。

回到程序中，只需要在主程序中增加一个分析图像的积木，即可开始对舞台进行实时的识别。

同时，可以勾选上相关积木，在舞台上实时显示识别结果。