本文引入形变卷积模块来增强网络对数字几何变换的建模能力,提出了一种基于改进的形变卷积神经网络手写体数字识别框架,在提高识别精度的同时,还有效的减少了训练的参数量,提高识别速度.本文在手写体数据集及变换后的数据集中进行验证.实验结果的分析以及与相应算法的比较,证明了本算法是有效的.