基于stm32f429的手写识别_【工程分析】基于ResNet的手写数字识别

最新推荐文章于 2024-04-03 20:29:59 发布

weixin_39850152

最新推荐文章于 2024-04-03 20:29:59 发布

阅读量1k

点赞数

文章标签：基于stm32f429的手写识别

本文链接：https://blog.youkuaiyun.com/weixin_39850152/article/details/111681147

版权

本文使用ResNet模型和MNIST数据集，构建了一个超过99%准确率的手写数字识别器。通过预处理、损失函数设定、超参数调整以及训练过程的描述，展示了模型从构建到优化的完整流程。最终，通过特征可视化展示了不同标签的显著差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ねぇ　　　　　　　　呐

私に気付いてよ　　　快点注意到我吧

もう　そんな事　　　那种事一定

望んでも　　　　　　再去奢求

しょうがないだろ　　也无可奈何吧

——真野あゆみ《Bipolar emotion》（作詞：Mitsu）

本文将以mnist为原材料，用ResNet模型，实现一个正确率超过99%的手写数字分类器。

材料准备

首先我们下载MNIST数据集——可以从我的这篇文章中找到资源：

刘冬煜：关于图像识别的相关图片资源zhuanlan.zhihu.com

接着，我们搭建一个较深层的网络结构：

一个可行的网络结构示意图

	CNN.set_Input_Layer(1);						/*  0 */		//28x28
	CNN.add_Convolution_Layer(16, 5, 5, Valid);						//24x24
	CNN.add_BatchNorm_Layer(16);					/*  2 */
	CNN.add_Activation_Layer(&relu_actfunc, 16);
	CNN.add_Pooling_Layer(16, 2, 2, Max_Pooling);						//12x12
	CNN.add_Convolut