基于深度卷积自编码神经网络的手写数字识别研究

• 作者: 孟庆林 曾文献 郭兆坤
• 来源期刊: 计算机应用研究
• 关键词: 卷积自编码神经网络 双线性插值 手写数字识别 深度学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1239-1243
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.09.0774

摘要

针对提高不同笔体下的手写识别准确率进行了研究,将深度卷积神经网络与自动编码器相结合,设计卷积自编码器网络层数,形成深度卷积自编码神经网络.首先采用双线性插值方法分别对MNIST数据集与10000幅自制中国大学生手写数字图片进行图像预处理,然后使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试;最后使用MNIST与自制数据集中5000幅图片混合,再次训练该网络,对另外5000幅图片进行测试.实验数据表明,所提深度卷积自编码神经网络在MNIST测试集正确率达到99.37％;且5000幅自制数据集模型测试正确率达99.33％,表明该算法实用性较强,在不同笔体数字上得到了较高的识别准确率,模型准确有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾文献	河北经贸大学信息技术学院	27	67	4.0	7.0
2	郭兆坤	河北经贸大学信息技术学院	3	15	1.0	3.0
3	孟庆林	河北经贸大学信息技术学院	3	4	1.0	2.0