基于深度学习的手写数字识别算法实现任务书.docxVIP

PAGE 2 陕西科技大学毕业论文（设计说明书） 毕业设计（论文）任务书 电信 学院 计算机 专业 132 班级 学生： 李 鑫 题目： 基于深度学习的手写数字识别算法实现 毕业设计（论文）从 2017年 2 月 27 日起到 2017 年 6 月 18 日 课题的意义及培养目标： 意义：用深度学习实现手写数字识别已有一些开源实验，作为深度学习初学者该项目十分经典，区别于传统的机器学习[1]识别技术，其将深度学习应用于手写数字的识别，将识别准确率提升至百分之九十九以上。目前手写字符识别技术已被应用在大规模数据统计、财务、税务、邮件分拣等领域，早期以模板匹配为主，因为每个人书写习惯的不同，在手写数字识别准确率方面还有很大差距，后期采用特征值的提取技术为主。当涉及到数字识别时，人们往往要求识别器有很高的识别可靠性。基于深度学习的手写识别算法在经过大数据训练出的模型，在识别率上基本可以与人识别的准确率不相上下，保证了数字的准确性。同时通过本次毕业设计基于深度学习的手写数字识别算法的实现，以提高自己对于新知识的学习能力、发现问题、分析问题、解决问题能力以及将理论知识应用到实际的能力，在实践的同时提高自身的编码能力。 培养目标： 1、深入了解卷积神经网络的原理。 2、掌握深度学习模型的建立、训练及使用。 设计（论文）所需收集的原始数据与资料： 原始数据： 采用标准公共数据集——手写数字识别数据集6万条。 参考资料： 吴岸城. 神经网络与深度学习[M].北京：电子工业出版社，2016.6 课题的主要任务（需附有技术指标分析）： 1、学习卷积神经网络原理，深度学习框架的使用，训练并保存手写数字识别模型。 2、结合opencv 实现基于摄像头调用已训练好的模型进行实时数字识别。 技术实现：借助深度学习框架keras，以MINIST数据集为训练数据，实现手写数字识别卷积神经网络模型的训练及保存，通过使用OPencv实现通过摄像头调用训练好的模型进行画面内的实时数字识别。 设计（论文）进度安排及完成的相关任务（以教学周为单位）： 周 次 设计（论文）任务及要求 1-3 寻找相关资料 4 研究并确定项目开发方案计划时间进度，完成开题报告 5-8 学习深度学习基本概念、卷积神经网络的相关原理知识 9-10 实践卷积神经网络经典结构 11-13 完成以opencv技术的图像处理部分，并与网络模型进行整合 13-16 完善系统与论文并准备答辩 学生签名： 指导教师： 教研室主任：