《人工智能开源硬件与Pyhthon编程实践》课件 项目14 基于卷积神经网络的手写体数字识别.pptVIP

《人工智能开源硬件与Pyhthon编程实践》课件 项目14 基于卷积神经网络的手写体数字识别.ppt

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于卷积神经网络的 手写体数字识别 人工智能开源硬件与python编程实践 情境导入 手写识别能够使用户按照最自然、最方便的输入方式进行文字输入,易学易用,可取代键盘或者鼠标。 把要输入的汉字写在一块叫书写板的设备上,这种设备将笔尖走过的轨迹按时间采样后发送到计算机中,由计算机软件自动完成识别,并用机器内部的方式保存、显示。 任务与目标 了解卷积神经网络CNN的基本原理、LeNet5相关算法和应用框架; 掌握运用人工智能开源硬件及Caffe库设计智能应用系统的方法,掌握Python语言的编程方法; 应用人工智能开源硬件和相关算法设计一个基于CNN 的手写体数字识别系统,实现对手写体数字0~9的识别; 针对生活应用场景,进一步开展创意设计,设计具有实用价值的手写体数字识别应用系统。 知识拓展:卷积和子采样 卷积过程就是用一个可训练的滤波器fx去卷积一个输入的图像(第一阶段输入图像,后面的阶段就是卷积特征map),然后加一个偏置bx,得到卷积层Cx。 子采样过程是指,邻域四个像素求和变为一个像素,然后通过标量W加权,再增加偏置b,然后通过一个sigmoid激活函数,产生一个缩小四倍的特征映射图Sx+1。 知识拓展:机器学习与深度学习 深度学习的思想是模拟人的神经元,每个神经元接受到信息,处理完后传递给与之相邻的所有神经元。它是用于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,模仿大脑神经元之间的信息传递。 深度学习是一种深层的机器学习模型,其深度体现在对特征的多次变换上。与机器学习方法相比,深度学习方法使得很多应用中不再需要单独对特征进行选择与变换,而是将原始数据输入到模型中,由模型通过学习给出适合分类的特征表示 。 知识拓展:使用Caffe工具训练CNN模型 数据准备 ; 生成训练数据的平均图像 ; 模型定义 ; 求解器定义 ; 模型训练 ; 绘制学习曲线 。 知识拓展:LeNet-5模型 LeNet-5是一种经典的卷积神经网络结构。LeNet-5诞生于1994年,是最早的深层卷积神经网络之一,开创了现代卷积神经网络的研究,推动了深度学习的发展。 最初被用于手写数字识别,当年美国大多数银行就是用它来识别支票上面的手写数字的,它是早期卷积神经网络中最有代表性的实验系统之一。 设计与实践 应用于手写识别的LeNet5模型 神经网络类的构造方法 手写数字LetNet模型加载及识别 编程实现及结果分析 应用于手写识别的LeNet5模型 LeNet5应用于手写体字符识别,网络模型的结构和应用情况: 神经网络类的构造方法 nn.load(path)是构造函数,它将神经网络从.network 二进制模型文件加载到内存中,包括神经网络的层、权值、偏置等。返回一个可以在图像上进行操作的Net对象。 net.forward(image[, roi[, softmax=False[, dry_run=False]]]) 方法用于在图像roi上运行神经网络,并返回神经网络分类结果的浮点值列表。 net.search(image[, roi[, threshold=0.6[, min_scale=1.0[, scale_mul=0.5[, x_overlap=0[, y_overlap=0[, contrast_threshold=1[, softmax=False]]]]]]]]) 方法用来以滑动窗口方式在图像roi上运行神经网络。网络检测器窗口以多种比例滑过图像。返回神经网络检测结果的nn_class 对象列表。 * 手写数字LetNet模型加载及识别 利用nn.load 方法加载lenet5模型参数,利用net.forward方法实现有哪些信誉好的足球投注网站。进行手写体数字识别的核心Python代码如下: import sensor, image, time, os, nn # Load lenet network net = nn.load(/lenet.network) labels = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] out = net.forward(img.copy().binary([(150, 255)], invert=True)) max_idx = out.index(max(out))#指数 score = int(out[max_idx]*100) 系统编程及实现 摄像头捕捉到视频图像后,进行手写数字识别,叠加显示出实时检测出的手写数字及得分情况: 分析与思考 LeNet-5模型的训练方法,如何应用在手写字符的识别应用中?请提出你的实施方案,包括字符模型的训练过程。 计算机视觉开源库中通过人脸、人眼甚至的狗脸、猫脸的Haar Cascade

文档评论(0)

soloman_555 + 关注
实名认证
文档贡献者

全网最全各版本教材各学科新课标双减背景下作业设计

1亿VIP精品文档

相关文档