模板匹配算法：基于模板相关性匹配的手写数字识别

 1 前言

        得益于硬件技术的发展，基于深度学习的各种识别方法如火如荼，在各种应用场景中都取得很好的效果。本人入行深度学习领域若干年，做过很多项目的工程化评估，对于神经网络是如何工作的也解释不清楚，只是知道这样做是可行的。有的时候，给客户介绍说，做某目标识别算法，如果采用深度学习的方法可以做到多高多高的性能，客户有时候会反问道：那么相比于传统方法，深度学习有多少性能提高？我通常无法直接回答这个问题，虽然我知道深度学习的方法肯定会比传统方法更好，但是我没有做相应的实验，没有对比，没有证据。我只好说，神经网络是黑盒模型，虽然不知道底层逻辑是如何运作的，但是有理论证明神经网络可以拟合任意函数，所以神经网络要比传统方法更强大。客户似懂未懂地点点头，不再说话，我知道他对这个回答并不满意。对于他这种级别的人物，掌握着项目的命运，对具体的技术细节不关心，只关心最终的效果。后来给另一个客户做算法性能评估，我使用神经网络算法进行性能评估，最后性能并不理想，精度只有80%左右，我跟客户说，神经网络模型在这种类型的信号识别精度不是很高，客户说，没关系，只要证明神经网络算法比传统方法好就行了，然后让我做证明去了。经过一些列事情之后，我在终于开始重视起来传统的方法来。

2 理论基础

        在没有神经网络之前，人们是如何实现图片的分类和识别的呢？比如说，一个陌生人，你从来没见过他，但是给你一张他的照片，你能否从茫茫人海中认出他来？我想，只要你不是脸盲的话，你是有很大概率能认出来的。当然，能不