大学生毕业论文设计-手写数字识别系统的设计与实现.doc

手写数字识别系统的设计与实现

摘要

在模式识别中手写体数字识别是一个很重要的研究领域。在应用上，手写数字识别有广阔应用的背景和市场的需求。例如：公检法的司法活动，政府部门对公业务中，快递行业等，因此对数字识别的研究具有理论和应用两种意义。该项目用Pyqt5写出可视化页面，共有两种方式分别是手写版和图片版，后面神经网络的处理也分为了两层，一个是全连接层的实现，另一个是CNN的实现。最后通过测试，该识别系统对于规范手写数字的识别得到了很好的识别效果。

关键词：手写体数字识别；特征提取；人工神经网络；CNN

ABSTRACT

Handwrittennumeralrecognitionisanimportantresearchfieldinpatternrecognition.Intheapplication,handwrittennumeralrecognitionhasabroadapplicationbackgroundandmarketdemand.Forexample:thejudicialactivitiesofthePublicSecurityLaw,governmentdepartmentsonthepublicbusiness,theexpressindustry,sothestudyofdigitalidentificationhastheoreticalandpracticalsignificance.TheprojectusesPyqt5tocreateavisualpage.Therearetwowaystocreateavisualpage:ahandwrittenversionandaphotoversion.Theprocessingofthebackneuralnetworkisalsodividedintotwolayers,oneisafullyconnectedlayer,theotherisaCNNimplementation.Finally,bytesting,therecognitionsystemhasgotagoodrecognitioneffectforstandardhandwrittendigits.

Keywords:handwrittennumeralrecognition;featureextraction;artificialneuralnetwork;CNN

目录

TOC\o1-3\h\z\u1.绪论 5

1.1研究的发展及现状 5

1.2手写数字识别的应用前景 5

1.3国内外研究现状 5

1.3.1国内研究现状 7

1.3.2国外研究现状 7

2系统相关技术介绍 8

2.1PyCharm介绍 8

2.2pyqt5介绍 8

2.3MNIST数据集 8

3.神经网络在数字识别中的应用 9

3.1神经网络简介及其结构 9

3.1.1神经网络概述 9

3.1.2神经网络的结构 9

3.2误差反向传播法 10

3.2.1神经网络的一般学习算法 10

3.3标准神经网络设计原则 12

3.4标准算法训练过程及流程图 12

3.4.1训练过程 12

3.4.2流程图 12

4.卷积神经网络 13

4.1深度学习应用领域 13

4.2常用的深度学习模型 14

4.2.1卷积神经网络CNN 14

4.2.2卷积层和池化层的实现 15

4.3优化算法 19

4.3.1Momentum算法 19

4.3.2AdaGrad算法 20

4.4结果展示 22

5.总结 23

致谢 24

参考文献 25

1.绪论

1.1研究的发展及现状

在模式识别领域中，字符识别该领域较为复杂的分支。依据应用目的，可以将手写技术分为三类，一般情况下的手写字体识别，手写语义识别，手写身份识别。在日常的运用中，通过手写识别系统减少人类工作量已经成为一种常态，它能够根据已有的文字的整体结构和边缘轮廓提取特征，从而识别文字，后期根据运用需求又逐渐演化为手写语义的识别。这个功能在识别出字体后同时能够判断这个字体的含义，后期还演化为更完善的一种手写技术——手写数字识别。以上三种应用方式均是以手写数