基于TensorFlow深度学习手写体数字识别及应用

• 全文链接
• 请求原文

关键词：

卷积神经网络;  深度学习;  数字识别;  TensorFlow; 

期刊名称：

电子技术应用

基金项目：

基于压缩感知的高动态范围图像采集存储与重现方法的研究

i s s n：

0258-7998

年卷期：

2018 年 10 期

页   码：

6-10

摘   要：

手写体数字的识别是人工智能识别系统中的重要组成部分。因个体手写数字的差异,现有识别系统准确率较低。基于TensorFlow深度学习框架完成手写体数字的识别及应用,首先建立TensorFlow深度学习框架,并分析了Softmax、卷积神经网络(CNN)模型结构,再对手写体数据集MNIST的60 000个样本进行深度学习,然后进行10 000个样本的测试对比,最后移植最优模型到Android平台进行应用。实测数据验证,相对于传统的Softmax模型,基于TensorFlow深度学习CNN模型识别率高达99.17%,提升了7.6%,为人工智能识别系统的发展提供了一定的科研价值。