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

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

参考

[1] 翟高粤. 基于卷积神经网络的手写数字识别应用[J].甘肃科技纵横,2021,50(01):1-3.

[2] 魏峰,山磊.基于CNN 优化的手写数字识别技 术研究[J].连云港职业技术学院学报,2020,33(02):5- 7.

[3] 代贺, 陈洪密,李志申.基于卷积神经网 络的数字识别[J]. 贵州师范大学学报(自然科学 版),2017,35(05):96-101.

[4] 李大华, 王宇,高强,于晓.基于改 进LeNet-5 网络的文件编号识别[J]. 现代计算 机,2021(02):62-66.

[5] 何凯, 黄婉蓉,刘坤,高圣楠.基于改进 LeNet-5模型的手写体中文识别[J].天津大学学报(自 然科学与工程技术版),2020,53(08):847-853.

[6] 何帅. 卷积神经网络在手写数字识别中的应用 [J].电脑知识与技术,2020,16(21):13-15.

[7] 刘宝宝,杨雪,吴治虎,侯飞,穆姣.改进的 全卷积神经网络在手写数字识别上的应用[J].电脑知 识与技术,2020,16(35):1-3.