Skip to content

MNIST of Tibetan handwriting 国产手写藏文MNIST数据集(TibetanMNIST)的图像分类处理与各种好玩的脑洞~

License

Notifications You must be signed in to change notification settings

bat67/TibetanMNIST

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

25 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

TibetanMNIST:藏文手写数字数据集

TibetanMNIST:国产MNIST数据集

这个Repo主要包括了:

1. 数据集描述

详细请见:数据集文档

  • 数据文化

    藏区按方言划分为卫藏、康巴、安多三大藏区,东接汉地九州。藏区有典:“法域卫藏、人域康巴、马域安多”即“卫藏的宗教、康巴的人、安多的马”。而藏文主要有楷体和形体两种文字,我们本次的TibetanMNIST正是形体藏文中的数字,也就是图片中连笔书写更加简洁的那种

    pic1

  • 文件列表

    i.TibetanMNIST.tfrecords(每张图像存储为28x28x3的三通道图像矩阵)

    ii.TibetanMNIST.npz(每张图像存储为28x28的单通道图像矩阵)

    iii.TibetanMNIST(原始图像文件,图像文件名的第一个数字为数字类别标签,第二个数字为数字所在纸张标签,第三个数字为纸张标签内的数字序列)

  • 数据特征及属性

    pic2

  • 数据分布

    pic3

  • 藏文数字与阿拉伯数字对照表

    pic4

  • 数据示例

    pic5

  • 数据使用

    • TFReords文件使用
     import tensorflow as tf
    
     def _parse_function(example_proto):
     	features = {
     		'label':tf.FixedLenFeature([], tf.int64),
     		'img_raw':tf.FixedLenFeature([], tf.string)
     	}
    
     	parsed_features = tf.parse_single_example(example_proto, features)
     	img = tf.decode_raw(parsed_features['img_raw'], tf.uint8)
     	img = tf.reshape(img, [28, 28, 3])
     	# 在流中抛出img张量和label张量
     	img = tf.cast(img, tf.float32) / 255
     	label = tf.cast(parsed_features['label'], tf.int32)
     	return img, label
    
     filenames = ["要读取的文件序列"]
     dataset = tf.data.TFRecordDataset(filenames)
     dataset = dataset.map(_parse_function)
     # 创建单次迭代器
     iterator = dataset.make_one_shot_iterator()
     # 读取图像数据、标签值
     image, label = iterator.get_next()
     
    • NPZ文件读取
     import numpy as np
    
     data = np.load('文件')
     x_train = data['image'].reshape(17768, 784)
     y_train = utils.to_categorical(data['label'], 10)
  • 数据来源

    中央民族大学创业团队巨神人工智能科技

  • 使用注意

    本数据集版权归中央民族大学所有,使用该数据请务必注明数据出处,否则我们将追究相应的法律责任!

2. 不同方法与框架实现各种脑洞

除了自己写的,剩余皆来自此网站,若下面链接打不开可自行下载根目录中文件本地打开。

Releases

No releases published

Packages

No packages published