手写数字识别(Handwritten Numeral Recog nition)是光学字符识别技术(Optical Character Recognitio n,简称OC R)的一个分支,它研究的对象是:如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字。在整个OCR 领域中,最为困难的就是脱机手写字符的识别。到目前为止,尽管人们在脱机手写英文、汉字识别的研究中已取得很多可喜成就,但距实用还有一定距离。而在手写数字识别这个方向上,经过多年研究,研究工作者已经开始把它向各种实际应用推广,为手写数据的高速自动输入提供了一种解决方案。

字符识别处理的信息可分为两大类:一类是文字信息,处理的主要是用各国家、各民族的文字(如:汉字、英文等)书写或印刷的文本信息,目前在印刷体和联机手写方面技术已趋向成熟,并推出了很多应用系统;另一类是数据信息,主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据,如:邮政编码、统计报表、财务报表、银行票据等等,处理这类信息的核心技术是手写数字识别。因此,手写数字的识别研究有着重大的现实意义,若我们能对其不足之处及局限性进行进一步研究必将使其更高效、更可靠地应用于日常生产生活中。

2. 研究的基本内容与方案

本设计旨在研究卷积神经网络的基本结构和训练等理论，了解其应用背景及研究现状，使用TensorFlow深度学习框架，以实现手写数字识别方法的设计，达到95%以上的手写数字识别的准确率，并在此基础上探究相应的改进方法。

通过研究网络LeNet-5模型7层结构与各层中的工作原理，使用卷积神经网络训练时使用的前向传播、反向传播及梯度下降算法。对网络模型各层的训练参数以及初始化参数进行设计。利用TensorFlow深度学习框架搭建印刷体数字识别的LeNet-5模型结构，使用MNIST数据集训练和测试该网络模型。在此基础上实现基于卷积神经网络LeNet-5模型的手写数字识别。

[1]尹宝才，王文通，王立春. 深度学习研究综述. 北京工业大学学报，2015，1:48-59.

[2]刘荣荣. 基于卷积神经网络的手写数字识别软件的设计与实现[D]. 内蒙古大学硕士学位论文.2015.12

[3]MatthewY.W. Teow. A minimal convolutional neural network for handwritten digit recognition[J]. IEEE(ICSET),2017:171~176

[4]LeCun,K.Kavukcuoglu,C.Farabet. Convolutional networks and applications in vision[J]. IEEE(ISCAS),2010:253~256

[5]LeCun, Y; et al. Deep learning, Nature, 2015,521(7553): 436-444.

[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)