基于深度学习的手写数字识别研究及应用

作     者：黄献通 

作者单位：曲阜师范大学 

学位级别：硕士

导师姓名：秦文华;王广政

授予年度：2018年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：手写数字识别 深度学习 卷积神经网络 测试集 

摘      要：手写数字识别(Handwritten Numeral Recognition,简称HNR)是光学字符识别的一个分支,它是通过计算机处理手写阿拉伯数字(如0,1,2,....,9),让计算机自动识别手写数字。根据获取方式,手写数字识别可分为联机识别和脱机识别两类。联机识别是识别书写在与计算机相连的手写设备上的数字,目前研究已比较成熟,并在各个领域得到了应用。脱机识别是不通过键盘方式将写在纸张上的手写数字信息输入到计算机中,尽管在脱机识别研究中已取得了一些成就,但就准确率上距离实用还有一段距离。本文所作主要研究及应用针对脱机手写数字。将深度学习应用于手写数字的识别更是当前的热点。国内外研究人员对其做了大量研究工作,提出了很多算法。然而,在识别和预测未知数字的准确率上仍然有待进一步提高。本文通过对深度学习的研究,将其应用在了试卷分数的复核统计上。主要内容如下:1.描述了手写数字识别的研究背景和发展状况,对手写数字识别技术进行对比分析,得出深度学习的手写数字识别算法优于其他方法。2.研究了深度学习算法,详述了不同深度学习模型,并对要实现的试卷分数输出结果分类进行了分析。为下一步模型的选择奠定了基础。3.构建了基于卷积神经网络的手写数字识别网络模型,介绍了试卷分数复核系统,对所需开发工具、算法实现的程序设计进行了详述。4.通过MNIST数据集对构建的模型进行训练,优化和改进模型参数,并在自建测试集行上对模型进行识别测试。实验测试结果表明,系统设计基本到达了试卷分数识别的实用性要求。