做项目遇到新语言，看书是个选择，但最好的是从demo学-TeamTrac.PPT

网络程序设计总结 夏天 S项目贡献 项目回顾 Demo演示 个人心得 内容 本次项目中，做了以下一些贡献，不过更多的时间还是在“围观中学习”，整理如下： date: 12-06 修复了image is none bug。（格式转换错误） date: 12-22 实现了简单的caffe神经网络预测性别demo（pr失败 原因：没制作文档，注释不详细。） date: 12-22 分享caffe使用经验及资料以及归一化问题，发表在讨论区中? date: 12-26 修复网站无法预测多次的bug? date: 12-27 对demo参数修正，采用数据归一化处理，正确率提高至70%,填补注释和详细文档 date: 12-29 整理分享了服务器搭建demo的过程 项目贡献 尝试微信公众号开发，目前做了这么一个东西（昨晚才完工，博客上还没来得及更新）： 项目贡献 项目原型是以深度学习和神经网络为工具，以大数据为基础，来辅助医生判断的病例生成系统。 具体过程： 将血常规检验报告的图片识别出年龄、性别及血常规检验的各项数据； 在识别后与该病人病例相结合进行深度学习，训练出模型 根据用户拍照或者上传的图片进行识别并预测其年龄和性别，以及自动生成病例（未完成）。 项目回顾 透视变换 首先是上传图片后寻找数据表格内容并透视成1000*760的矩阵（web端为了填充将图片拉大了）： 项目回顾 透视主要流程： 图像预处理去噪 采用Canny算子提取边缘 调用CV2模块的findContours提取矩形轮廓，筛选对角线大于阈值的轮廓 将轮廓变成线：比较最小外接矩形相邻两条边的长短，以两条短边的中点作为线的两端 若线数量大于三则根据线长短继续筛选长线。 项目回顾 透视主要流程： 根据三条线间的距离确定表格头部和内容的位置 利用向量叉乘不可变性确定起始点（若方向相反，结果为负），将表格内容往上包含头部的一些年龄性别信息 将表格切下并进行透视投影变换。 项目回顾 数据提取 从透视后的表格矩阵中提取相关数据并生成相应报告。 项目回顾 主要步骤： 将表格数据内容切成22份数据 对每份数据调用pytesserac的OCR库进行识别 web用ajax异步传输json数据 项目回顾 进行预测 本次项目采用的是tensorflow预测年龄性别。服务器上采用的是训练好的模型进行预测。当然因为多种原因（参数未修正，数据量不大，数据精度etc..）因此年龄识别率不高，不过性别识别率还是可以接受的。 项目回顾 预测流程： 数据预处理（一般是归一化） tensorflow 初始化并预测。 返回预测结果，并在前端显示 项目回顾 预测时的BUG： 无法预测多次，预测多次时，控制台会报在checkpoint文件里找不到对应变量的错 项目回顾 BUG产生原因： 在tensorflow中以图来表示执行任务，在每次程序运行时，全局只会默认调用一次 self.create_network()指定一个特定图，并将所有变量收集并包装起来。 在第一次正常调用tf.train.Saver()创建saver时会为收集好的变量赋上自动生成的名字。 这样在之后每次调用tf_predict.py中的predict函数时，因为没有指定特定graph 同时之前没有调用self.create_network()，那么saver = tf.train.Saver()会构造一个默认自动生成的saver 但是此刻自动生成的名字域里是没有收集到任何变量的，而且因为名字不同，在checkpoint也找不到对应变量，自然就会报错。 项目回顾 BUG产生原因： 同时`saver`还有另一个值得注意的特性：当前后添加的两个变量名相同时，`saver`会简单的将第二个变量名赋名为variable_(i+1)，这样在查找时需要注意变量的对应关系。 项目回顾 解决方案有两种： ?指定固定的graph，（如本次用的就是每次都设定图为tf的默认图） tf.reset_default_graph() ?在每次调用predict都重新完全创建一个graph,create_network`再构建saver。这种方法的缺陷显而易见，很浪费资源，而且不方便使用。 项目回顾 项目演示地址 ? ?DO服务器：BloodTestOCR Demo DEMO演示 做项目遇到新语言，看书是个选择，但最好的是从demo学起。 看清楚数据流动过程，这在调试BUG时尤为重要。不仅要清楚从哪儿来到哪儿去，还要注意格式转换print X ; print typeof(X) 要动手写代码，不要太过于相信自己的记忆力，遇到问题要记录。 个人心得