基于 Django + PyTorch 的中文字体识别系统

发布时间：2026/7/23 21:42:04

1. 项目介绍

中文书法字体在笔画结构、连笔特征、字形重心和墨迹轮廓上具有显著差异。为了让字体类别的判断过程更加直观，本项目实现了一套中文字体识别系统：用户上传一张汉字图像后，系统调用已训练的视觉分类模型，返回对应的字体类别与预测置信度。
项目采用 Django 构建轻量级 Web 服务，PyTorch 完成模型训练与推理。当前数据集覆盖隶书（lishu）和行楷（xingkai）两类，训练端提供 CNN 与 Transformer 等多种模型入口，适合作为深度学习图像分类课程设计、毕业设计或 PyTorch 实战项目参考。

2. 系统功能

在线识别：上传 JPG、PNG 等字体图像，完成单张图片分类。
模型选择：页面自动读取可用权重，可按 CNN（如 AlexNet、ResNet、MobileNet）和 Transformer（如 ViT、Swin Transformer）等类别切换模型。
结果展示：呈现模型名称、预测字体类别、置信度和上传图片。
训练管理：提供统一的训练入口，支持指定网络架构、数据集、学习率、批次大小和训练轮数。
实验记录：训练脚本可输出 loss、accuracy、precision、recall、F1 等过程指标，便于追踪和分析。

3. 技术栈

后端框架：Django，负责路由、模板渲染、图片上传与识别结果返回。
深度学习框架：PyTorch 与 torchvision，使用 ImageFolder 按目录自动读取类别标签。
模型库：CNN 系列（AlexNet、VGG、GoogLeNet、ResNet、DenseNet、MobileNet、EfficientNet、RegNet、ShuffleNet）与 Transformer 系列（Vision Transformer、Swin Transformer）。
运行环境：Python 3.10.15，PyTorch 2.3.1+cu121，支持 CUDA 加速。

4. 数据集说明

数据集根目录为data_set/ChineseStyle，采用标准的train/test双分割结构。每个子目录对应一个字体类别：lishu表示隶书，xingkai表示行楷。当前训练集共 8000 张图像，每类 4000 张；测试集共 5526 张图像，每类 2763 张。
训练阶段使用随机裁剪、缩放、归一化等预处理策略；验证阶段使用确定性的缩放和中心裁剪，保证评估过程稳定。

ImageFolder 会根据类别目录生成标签映射，因此扩展字体类别时只需补充相应文件夹和样本。

5. 模型与识别流程

系统将图像分类任务拆分为“数据准备、模型训练、权重保存、Web 推理”四个步骤。训练脚本读取训练集和测试集，自动获取类别数并构建分类头；训练结束后保存最优权重和类别索引文件。Web 端在收到上传请求后，根据用户选择导入对应模型的 predict 函数，完成图像预处理、前向推理、Softmax 概率计算和结果返回。

对于书写风格差异显著的样本，卷积神经网络能够有效学习局部笔画与纹理特征；Vision Transformer、Swin Transformer 等模型则能进一步建模字形的全局结构特征。项目保留多模型入口，便于对比轻量模型与 Transformer 模型在速度和精度上的实际表现。