【源码】基于图神经网络的甲骨文字体识别系统

项目简介

本项目是基于图神经网络（Graph Neural Network, GNN）构建的甲骨文字体识别系统。借助深度学习技术，尤其是图神经网络，该系统可自动检测和分类甲骨文字。项目涵盖甲骨文字检测、字体分类和字体识别demo三部分，为研究者提供从数据准备、模型评估到实际应用的全流程工具。

项目的主要特性和功能

1. 甲骨文字检测：利用YOLOv8进行甲骨文字检测，支持数据集转换、数据划分和模型训练。
2. 甲骨文字分类：运用图神经网络对甲骨文字分类，支持多种模型对比和消融实验。
3. 字体识别demo：提供用户友好界面，用户上传图片后，系统自动检测并识别甲骨文字。

安装使用步骤

环境准备

确保已安装Python 3.7及以上版本，并安装必要的依赖库，如PyTorch、ONNX Runtime等。 bash pip install torch onnxruntime

数据集准备

根据项目提供的路径，准备甲骨文字的数据集。使用xml2txt.py脚本将VOC格式数据集转换为YOLO格式，并使用split_data.py脚本划分数据集。

模型训练

运行训练脚本，训练图神经网络模型。配置训练参数文件expriment.yaml和数据集配置文件data.yaml。 python model = YOLO('yolov8n.pt') model.train(cfg='ultralytics/cfg/expriment.yaml', data='dataset/data.yaml')

模型评估

运行评估脚本，验证模型的性能。可以使用训练好的模型进行推理测试。 python model = YOLO('./runs/detect/train4/weights/best.onnx') model.predict(source='dataset/images/test/HB02557.jpg', save=True, show_conf=False, show_labels=False)

运行demo

配置config.py文件中的模型路径，运行webui.py脚本启动字体识别demo。 bash gradio webui.py

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】