基于卷积神经网络的手写体数字识别.pdfVIP

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。