基于ARM Cortex-M4的手写体数字识别实验案例

冯超

摘 要 手写体数字识别系统具有广泛的应用场景。文章描述了一种把稀疏自编码器无监督学习得到的权值矩阵应用于卷积神经网络，利用提取的特征训练分类器，并将权值系数矩阵写入ARM Cortex-M4，实现了手写体数字实时识别系统的教学实验案例。

关键词 手写体数字识别 卷积神经网络 稀疏自编码器 Cortex-M4

中图分类号：TP389.1                                 文献标识码：A  DOI：10.16400/j.cnki.kjdk.2021.12.010

Abstract Handwritten numeral recognition system has a wide range of application scenarios. This paper describes a method of applying the weight matrix obtained from unsupervised learning of sparse self encoder to convolutional neural network， and using the extracted features to train the classifier，And the weight coefficient matrix is written into arm cortex-m4 to realize the teaching experiment case of handwritten numeral real-time recognition system.

Keywords handwritten numeral recognition; convolutional neural network; sparse autoencoder; Cortex-M4

0 引言

深度学习在计算机视觉、自然语言处理等领域广泛应用。在应用过程中，通常需要复杂的数据预处理，包括人工提取特征。对于图像处理，提取的特征具有明显的含义。本文采用不直接训练卷积神经网络，而是通过稀疏自编码器无监督学习得到的权值矩阵作为稀疏自编码器的卷积滤波器得方法，从而间接确定卷积神经网络的参数。本文介绍的小型嵌入式系统由两个部分组成，一个部分是开发板模块，另一部分是摄像头模块。开发板模块使用的是德州仪器Tiva C系列TM4C1294的开发板。其中，MCU的内核是ARM Cortex-M4 CPU，具有1MB闪存、256KB SRAM，频率可达120MHz。

1 识别系统的构成及其工作原理

1.1 CCD摄像头

摄像头模块包含三个部分、摄像头、电池、信号采集和二值化电路。摄像头采用SONY CCD，感光面积4.8mm？.6mm，信号制式为PAL制，水平清晰度420线，工作电压为12V。采集和二值化电路用于把摄像头输出的信号转化为二值化的信号，方便使用GPIO口采集。

摄像头的输出经过二值化处理，通过单片机的GPIO口可直接读取。

图像的传输通过行信号和场信号进行。场信号代表一副图像传输的开始， 行信号代表每一行像素传输的开始。……