基于改进CNN的实时手写数字识别

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/jsjxt.v3i2.46728

基于改进CNN的实时手写数字识别

任峻东, 周丽

四川大学锦城学院计算机与软件学院

全文直达

引用

打印

摘要：手写数字识别，即识别程序对读入的手写体数字进行识别，并反馈出识别结果的一种技术。伴随随着深度学习的火爆，识别技术也得到了良好的发展，其中包括数字识别，汉字识别，英文识别等等，其中数字识别拥有广泛的使用场景，例如可用于教育行业，实现批量打分，或者用于财务金融领域，实现报表的自动导入等等。本文详细介绍了LeNet-5网络的基本概念和关键结构，并引入了空洞卷积的概念来改进网络。采用了成熟的手写数字集MNIST，进行两个的模型训练，最后配合可视化窗口来实现数字书写和识别的同时化。

关键词：

深度学习；MNIST；LeNet-5 卷积神经网络；空洞卷积

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2021,3(2)