基于CNN网络的手写体数字识别系统的实现

摘要：

手写体数字识别现在仍是图像识别分类的一个热点,而基于卷积神经网络的深度学习算法具有局部区域连接、权值共享、降采样的结构特点,使得卷积神经网络在图像处理领域有出色表现.以实现手写体数字高精度识别为目标,设计并实现一个基于卷积神经网络的高精度手写体数字识别系统.首先,通过Pyqt5平台设计一个人机交互的GUI界面,其次进行手写体数字图像的采集与预处理,变换成规范的三维向量输入到CNN网络卷积层中,接着进行各个网络层的运算处理,最后通过Softmax输出分类结果.仿真实验结果下MNIST数据集识别模式下的识别率为99.9％,手写输入识别模式下的识别率为98％.结果表明:基于CNN的神经网络识别准确率高,实现技术简单,实用性高.

关键词：卷积神经网络、GUI界面系统、Pyqt5、手写体数字识别

所属期刊栏目：13

分类号：TP389.1(计算技术、计算机技术)

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：158-162