手写数字识别的系统设计
路明玉
【摘要】数字识别技术的研究不仅可以解决当下面临的数字识别问题，同时在图像识别，机器学习等方面也有铺垫作用。该文主要通过卷积神经网络（CNN）方法实现手写数字的识别。先设计网络模型，再用MNIST数据集训练，并测试网络模型的识别准确率，接着对手写数字进行图像的预处理，输入到模型中，验证正确程度。
【期刊名称】《科技资讯》
【年(卷),期】2019(017)019
【总页数】2
【关键词】数字识别卷积神经网络数据集
1 课题意义
很多机器识别的办公系统将产生，如：手写字体的识别。这些对于信息的获取有着很重要的作用，尤其在快递分拣、银行票据分析等方面最为突出。另外，图像识别技术的研究为人工智能开启了里程碑，在机器学习、机器人研究等方面起到了关键的作用。这方面的研究很有实用价值，重要性也是不言而喻的。
2 图像预处理与数据集
图像预处理是在不影响识别效率的前提下，对手写数字原始图像进行规范处理，减少无用的信息，降低计算量，提高识别率。在手写数字界面已经设置了黑底的画图板和白色的画笔，所以不需要再使用二值化处理。
2.1 图像的灰度化
图像灰度化的目的是降低图像识别中的计算量，前提是灰度后的图像没有失去