【计算机视觉】基于tensorflow Lenet进行minist手写体识别

目录

一、原理

1.1 卷积神经网络

1.2 Lenet

二、数据分析

三、结果分析

一、原理

1.1 卷积神经网络

卷积神经网络的层级结构

1.2 Lenet

LeNet-5 ，用于实现手写识别的7层CNN（不包含输入层）

输入原始图像的大小是32×32，卷积层用  表示，子采样层（pooling）用表示，全连接层用表示，x 代表层数。

         C1层是卷积层，单通道下用了6个卷积核，这样就得到了6个feature map，其中每个卷积核的大小为5*5，用每个卷积核与原始的输入图像进行卷积，这样feature map的大小为(32-5+1)×(32-5+1)= 28×28，所需要的参数的个数为(5×5+1)×6= 156(其中5×5为卷积模板参数，1为偏置参数)，连接数为(5×5+1)×28×28×6=122304(其中28×28为卷积后图像的大小)。

         S2层为 pooling 层，也可以说是池化或者特征映射的过程，拥有6个 feature map，每个feature map的大小为14*14，每个feature map的隐单元与上一层C1相对应的feature map的 2×2 单元相连接，这里没有重叠。计算过程是：2×2 单元里的值相加然后再乘以训练参数w，再加上一个偏置参数b(每一个feature map共享相同w和b)，然后取sigmoid （S函数：0-1区间）值，作为对应的该单元的值。（这个地方和之前自己想的不太一样）所以S2层中每 feature map 的长宽都是上一层C1的一半。S2层需要2×6=12个参数，连接数为(4+1)×14×14×6 = 5880。
 

二、数据分析

  MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据。

其中每个数字的形态，大小，笔画顺序都有所差别。部分数字截图如下

三、结果分析

下面选取每个数字中特点比较突出的图片，进行识别和对比

下列图片为手写体0，图一形状较奇怪但为闭合状的零，识别正确；图二为形状不规范，且非闭合的零，识别正确；图三为非闭合形状圆润的零识别正确；图四为闭合，形状较细，字迹较为模糊的零，识别正确。总体而言我们可以看出零的识别率较高。

 下列图片为手写体1

分别为斜体一和印刷体写法的不同一字，其中笔画较粗的识别错误为8，而其中一个笔画较大的印刷体写法的1被识别为3

下列图片为手写体2，但识别结果为7，0，2

 

下列图片为手写体3，

 

 下列图片为手写体4

下列图片为手写体5

下列图片为手写体6

下列图片为手写体7 识别结果有3，7，8

下列图片为手写体8 识别准确率较高

下列图片为手写体9 ，有被识别为4和8

根据每个数字的识别结果，可以看出 连笔，字迹不清，字形非正常写法，笔画太粗都会导致识别结果出错，同时训练集也会影响结果，训练集数量和字迹覆盖率不高导致识别结果错误。