首页|PyTorch下基于CNN的手写数字识别及应用研究

PyTorch下基于CNN的手写数字识别及应用研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
文章对卷积神经网络模型LeNet-5中的激活函数、下采样方式等进行改进,对训练参数进行调整,使改进后的模型手写数字识别准确率达到99.2％.使用PyTorch搭建模型,用MNIST数据集对模型进行训练,其后在自制数据集上进行测试,从识别准确率和训练速度等方面验证了模型的可靠性.借助TensorBoard监督整个网络模型的训练过程,指导对模型参数的优化调整.最后,将改进的网络模型服务于该校人工智能课程答卷分数的识别中,使手写分数得到准确识别.
Research on Handwritten Number Recognition and Application Based on CNN Under PyTorch

宗春梅、张月琴、石丁

展开 >

忻州师范学院计算机科学与技术系 忻州 034000

太原理工大学计算机科学与技术学院 太原 030024

CNN PyTorch 手写数字识别 可视化 自动登分系统

国家自然科学基金面上项目山西省教育科学规划课题基金忻州师范学院院级科研项目

61876124GH-180712019ky02

2021

10.3969/j.issn.1672-9722.2021.06.014

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(6)
  • 7
  • 4