- 1、本文档共13页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于卷积神经网络的手写体数字识别
(1)问题的提出
图14.1手写识别输入方法
手写识别能够使用户按照最自然、最方便的输入方式进行文字输入,易学易
用,可取代键盘或者鼠标(图14.1)。用于手写输入的设备有许多种,比如电
磁感应手写板、压感式手写板、触摸屏、触控板、超声波笔等。
把要输入的汉字写在一块名为书写板的设备上(实际上是一种数字化仪,现
在有的与屏幕结合起来,可以显示笔迹)。这种设备将笔尖走过的轨迹按时间采
样后发送到计算机中,由计算机软件自动完成识别,并用机器内部的方式保存、
显示。
(2)任务与目标
①了解卷积神经网络(CNN)的基本原理、LeNet-5相关算法和应用框架;
②掌握运用人工智能开源硬件及Caffe库设计智能应用系统的方法,掌握
Python语言的编程方法;
③应用人工智能开源硬件和相关算法设计一个基于CNN的手写体数字识别系
统,实现对手写体数字0~9的识别;
④针对生活应用场景,进一步开展创意设计,设计具有实用价值的手写体数
字识别应用系统。
(3)知识准备
1)卷积和子采样
卷积过程就是用一个可训练的滤波器f去卷积一个输入的图像(第一阶段是
x
输入的图像,后面的阶段就是卷积特征map),然后加一个偏置b,得到卷积层
x
C。
x
子采样过程是指,邻域4个像素求和变为一个像素,然后通过标量W加权,
再增加偏置b,然后通过一个Sigmoid激活函数,产生一个缩小1/4的特征映射
图S。
x+1
如图14.2所示为卷积和子采样过程。
图14.2卷积和子采样
2)使用传统机器学习与深度学习方法的比较
使用机器学习算法进行分类包含训练和预测两个阶段(图14.3):训练阶段,
使用包含图像及其相应标签的数据集来训练机器学习算法;预测阶段,利用训练
好的模型进行预测。
图像分类是经典的人工智能方法,采用机器学习的方法,需要先进行模型参
数训练,训练阶段包括两个主要步骤:
①特征提取。在这一阶段,利用领域知识来提取机器学习算法将使用的新特
征。HoG和SIFT是图像分类中常使用的参数。
②模型训练。在此阶段,利用包含图像特征和相应标签的干净数据集来训练
机器学习模型。
在预测阶段,将相同的特征提取过程应用于新图像,然后将特征传递给训练
有素的机器学习算法来预测标签。
图14.3经典的机器学习过程
深度学习的思想是模拟人的神经元,每个神经元接受到信息,处理完后传递
给与之相邻的所有神经元。它是用于建立、模拟人脑进行分析学习的神经网络,
模仿人脑的机制来解释数据,模仿大脑神经元之间的信息传递。
深度学习是一种深层的机器学习模型,其深度体现在对特征的多次变换上。
常用的深度学习模型为多层神经网络,神经网络的每一层都将输入非线性映射,
通过多层非线性映射的堆叠,可以在深层神经网络中计算出抽象的特征来帮助分
类。在图像分析等经典卷积神经网络中,将原始图像的像素值直接输入,第一层
神经网络可以视作边缘的检测器;而第二层神经网络则可以检测边缘的组合,得
到一些基本模块;第三层之后的一些网络会将这些基本模块进行组合,最终检测
出待识别目标。
与机器学习方法相比,深度学习方法使得很多应用中不再需要单独对特征进
行选择与变换,而是将原始数据输入到模型中,由模型通过学习给出适合分类的
特征表示。
3)使用Caffe框架训练CNN模型
使用Caffe平台工具训练CNN的过程分为6个步骤:
①数据准备。整理图像样本数据并将其存储为Caffe可以使用的格式。将训
练数据分为两组:一组用于训练,一般为所有图像样本的5/6;另一组用于验证,
一般为所有图像样本的1/6。训练集用于训练模型,而验证集用于计算模型的准
确性。
您可能关注的文档
最近下载
- 认识常见中草药.ppt
- 注册可靠性工程师模拟试题3.pdf VIP
- 生猪屠宰兽医卫生检验人员理论考试题及答案.doc VIP
- 福彩3D历史数据EXCEL自动更新.xls VIP
- 期中复习备考Unit1-unit6话题补全对话 人教版九年级英语全册.docx VIP
- 注册可靠性工程师模拟试题6.pdf VIP
- 2019年第十三届全国大学生化工设计竞赛作品江汉大学年产89万吨醋酸乙烯酯生产项目设计文档3-VAC初步设计说明书.docx VIP
- 注册可靠性工程师模拟试题2.pdf VIP
- 译林牛津版小学五年级上册英语阅读理解练习题含答案解析.pdf VIP
- 注册可靠性工程师模拟试题8.pdf VIP
文档评论(0)