基于Tensorflow深度学习框架的手写体数字识别模型优化及应用

• 作者: 涂朴 黄晨
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 深度学习 神经网络 TensorFlow 手写体数字识别 ROS
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 辨识建模与仿真
• 页码范围: 110-114
• 页数: 5页
• 分类号: TP391.43
• 语种: 中文

摘要

优化后的基于TensorFlow的全连接神经网络模型,在手写体数字数据集上的识别正确率从91.2％提升到98.3％.增加隐藏层和加入RELU激活函数,对提升识别率效果显著,而指数衰减的学习率、滑动平均模型和正则化损失则对识别正确率无明显影响.将改进后的模型,移植到ROS操作系统中,调用已训练好的模型及参数,并将识别功能封装成ROS节点,最后运用消息机制对摄像头采集到的图像消息完成识别.