Handwritten

端到端手写汉字识别：CASIA HWDB1.1 → PyTorch → NCNN INT8 → Android。 MobileNetV2 在 3755 类 GB2312 一级字上的 top-1 为 95.47%，INT8 模型 4.1 MB， 移动端推理约 2–5 ms。

Android 应用

Android 端支持在画布上手写汉字，并实时显示 top-1 置信度、候选字符和推理耗时。

APK 的构建、安装和模型部署说明见 docs/DEPLOY.md。

使用

已训练的 PyTorch checkpoint 和 NCNN INT8 模型发布在 Ismantic/Handwritten。 使用 Demo 不需要下载 CASIA 数据，也不需要重新训练；Makefile 会在首次运行时 把模型下载到 models/Handwritten/。

安装桌面推理依赖：

uv pip install numpy Pillow ncnn

识别一张白底黑字图片：

make -C demo cli IMG=path/to/image.png

启动 Tkinter 手写板：

make -C demo run

两个入口默认加载 models/Handwritten/ncnn/model.ncnn.{param,bin} 和同目录的 charset.json。也可以提前下载，或覆盖 MODEL_DIR：

make -C save download
make -C demo run MODEL_DIR=models/other_model

Android APK 的构建与安装见 docs/DEPLOY.md。

代码

data/       原始数据状态、解压；不包含可再分发的数据
prepare/    GNT 解析、字符表、64×64 NumPy 数据集
src/        模型、Dataset、训练、评测、共享 C 预处理
save/       PNNX/NCNN 导出、FP16/INT8 量化、基准
models/     从 Hugging Face 下载的本地模型缓存
demo/       Tkinter 与命令行推理
android/    Java + JNI + NCNN 独立应用
test/       单元测试、跨实现一致性、指标复现
docs/       训练、部署和设计理由

src/ 不解析 GNT，也不负责模型发布；prepare/ 只把有许可的本地原始数据转换 成数值输入；Python 和 Android 均编译 src/cpp/preprocess.c，避免预处理漂移。

训练

环境要求为 Python ≥3.10、PyTorch、C 编译器；Android 另需 JDK 17、SDK 35、 NDK 和 CMake。建议使用独立虚拟环境：

uv pip install -r requirements.txt
cp local.mk.example local.mk     # 可选：覆盖 PYTHON
make -C data status

只使用 CPU 时可先从 PyTorch CPU 源安装，避免下载 CUDA 运行库：

uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
uv pip install numpy Pillow tqdm matplotlib ncnn pnnx

CASIA HWDB1.1 不能随仓库再分发。请从官方渠道申请并把 HWDB1.1trn_gnt.zip、HWDB1.1tst_gnt.zip 放入 data/，随后运行：

make -C data extract
make -C prepare all
make -C src smoke

完整训练：

make -C src train RUN_DIR=runs/mbv2

导出

make -C save all RUN_NAME=mbv2 NAME=mbv2
make -C save export
make -C save verify
make -C save upload

runs/ 保存训练 checkpoint，save/output/ 保存转换产物， save/releases/Handwritten/ 是上传前的自包含发布包。正式发布源在 Hugging Face，models/ 只保存下载缓存。

验证

python -m unittest discover -s test -v
HCCR_REPRODUCE=1 python -m unittest test.test_reproduce -v
cd android && ./gradlew testDebugUnitTest assembleDebug

指标复现测试默认关闭，因为它需要完整测试集和 checkpoint。修改预处理、模型或 量化时必须同时报告 checkpoint、命令、top-1/top-10、延迟和模型大小。

文档

• docs/TRAIN.md：数据准备与训练。
• docs/DEPLOY.md：NCNN 导出和 Android 构建。
• docs/WHY.md：关键口径、量化结论与容易静默出错的地方。

Apache-2.0，见 LICENSE。CASIA 数据遵循其自身许可。