使用自定义数据集而不是MNIST进行培训

Question

我想使用自定义数据集，其中包含除英语以外的其他语言的手写字符图像。我打算使用分类手写字符的KNN算法。

下面是我在这个时间点面临的一些挑战。 1.图像大小不同。 - 我们如何解决这个问题，使用Python完成任何ETL工作？ 2.即使我们假设它们具有相同的尺寸，每个图像的潜在像素将在70 * 70左右，因为字母比英文复杂且字符之间具有许多特征。 - 这对我的训练和表现有什么影响？

Answer 1

1. 选择一个尺寸并调整所有图像的大小（例如使用PIL模块）;

2. 我想这取决于数据的质量和语言本身。如果字母很复杂（如象形文字），这将是困难的。另外，如果字母用细线绘制，即使在小图片中也可以识别。

无论如何，如果绘制的字母彼此过于相似，当然会更难识别它们。如下所示：http://archive.ics.uci.edu/ml/datasets/Letter+Recognition