基于TensorFlow的LeNet网络的手写数字识别与实现

作者：任东悦; 李名博; 卫勇^*

来源：传感器世界, 2023, 29(02): 26-31.

DOI：10.16204/j.sw.issn.1006-883X.2023.02.005

• 深度学习
• 卷积神经网络
• 手写数字识别
• 特征提取
• 可视化

手写数字识别是模式识别中非常重要和关键的研究领域，并且具有一定的难度。每个人的手写习惯各不相同，而且手写数字识别很难建立精确的数学模型，使得手写数字的识别难度大大增加。针对手写数字难以准确识别的问题，将LeNet神经网络应用到其中，并对LeNet模型的输入层、卷积层、池化层及全连接层进行原理方面的剖析。基于TensorFlow的框架和Python语言进行了相关的程序编写与设计，以MNIST库作为数据集的来源，使用PyQt5设计GUI画板界面，最终实现对于手写数字的识别。实验结果表明，本系统的识别准确度和辨识度达到99.2%，可应用于发票手写数字识别、酒店登记手写身份证识别等生活实践中。

• 单位
  天津农学院