基于CNN的高精度手写体数字识别

作者：李凯鹏; **; 李帅; 万仁兵

来源：信息与电脑(理论版), 2022, 34(10): 67-70+75.

• 机器视觉
• CNN
• 手写体数字识别
• 测试准确率

近年来，人工智能和机器学习已成为国内外学者重要研究的领域。基于此，笔者探讨基于卷积神经网络（Convolutional Neural Networks,CNN）的高精度手写体数字识别，并将卷积内核大小、滤波器的数量、池化层的种类以及优化器的类型作为变量，通过改变这些变量做对比实验，检测模型训练和测试的准确率。实验结果表明，当卷积内核设置为3×3，三层卷积层滤波器的数量分别为32、64、128，使用最大池化层，选择Adam作为模型优化器的情况下，网络能够达到100%的训练准确率和99.55%的测试准确率，实现了高精度的手写体数字识别。

• 单位
  江西师范大学