基于TensorFlow手写体数字识别系统的研究

李建新

（广州工商学院 计算机科学与工程系，广州 528138）

0 引 言

目前，手写体数字识别是人工智能机器学习领域众多研究者关注的一个热点，广泛应用于公安、税务、交通、金融、教育等行业的实践活动中。在实际应用中，对手写数字单字识别率的要求比手写普通文字识别要苛刻许多，识别精度需要达到更高的水平。由于手写数字识别没有文字识别那样的上下文，不存在语意的相关性，而数据中的每一个数字又至关重要。因此，提高手写数字识别率，成为人工智能的重要研究领域。

人工神经网络是一种类似于大脑神经突触联接的结构，进行信息处理的数学模型，具有学习和记忆功能，可以让神经网络学习各个模式类别中的大批量训练样本，记忆各个模式类别中的样本特征。在识别样本时，将逐个与记忆中各模式类别的样本特征相比较，从而确定样本所属类别。人工神经网络通过学习调整内部大量节点之间相互连接的关系，可获得众多优化的模型参数。

1 手写体数字识别系统

1.1 系统组成

手写体数字识别系统由输入、预处理、识别等环节组成，系统架构如图1所示。

图1 手写体数字识别系统组成Fig.1 Composition of handwritten digit recognition system

输入环节包括MNIST手写体数据集输入和用户预测图片里的手写体数字；预处理环节主要指用户手写体数字预测图片的预处理；识别环节包括卷积神经网络、分类识别器、损失函数和优化器。卷积神经网络实现数字手写体0～9特征提取，分类识别是手写体数字识别最关键的部分。……