典型文献
基于卷积神经网络的手写数字识别方法研究
文献摘要：
手写数字识别是计算机视觉的一项典型应用,其成果可广泛应用于邮政编码识别、统计报表识别、考试成绩判定等领域.针对单幅图像中多个手写数字的自动分割及识别问题,文中采用自适应二值化方法实现手写数字与背景的分割,利用基于方向投影的改进算法将各个数字依次进行分割提取,通过手写Minist训练数据集对卷积神经网络的LeNet-5模型进行训练,利用Tensorflow实现了单幅图像内多个手写数字的分割与识别.实验结果表明,文中方法具有较高的可靠性,训练后的模型对新的手写数字平均识别率在92％以上,达到了预期的效果.
文献关键词：
手写数字识别;数字分割;卷积神经网络;LeNet-5
中图分类号：
作者姓名：
唐鉴波;李维军;赵波;习立坡
作者机构：
陆军工程大学通信士官学校,重庆400035;78118部队,四川成都610000;32178部队,北京100012
文献出处：
引用格式：
[1]唐鉴波;李维军;赵波;习立坡-.基于卷积神经网络的手写数字识别方法研究)[J].电子设计工程,2022(21):189-193
A类：
Minist
B类：
手写数字识别,计算机视觉,典型应用,邮政编码,编码识别,统计报表,表识,考试成绩,单幅图像,自动分割,二值化,改进算法,过手,训练数据集,LeNet,Tensorflow,中方,识别率,数字分割
AB值：
0.267569
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
