论文部分内容阅读
手写体数字风格变化大,对识别精度要求高,但手写体数字的图片结构简单,特征较少。在使用卷积神经网络进行手写体数字识别时,需要在网络的复杂程度和网络的准确性之间取得平衡。本文基于GoogLeNet的Inception思想,设计了一种手写体数字识别方法。并通过对MNIST数据集的训练数据进行图像增强,扩大数据集规模,来提升训练效果。这一方法所使用的网络结构并不十分复杂,但在MNIST数据集上可以取得99.66%的准确率。