基于tensorflow架构的卷积神经网络手写体字符识别设计

摘要
手写字符识别在信息录入，办公自动化，图像文本识别，人机交互等方面具有着重要意义。而手写字符受不同人的写法多样，扭曲变形等因素影响，一直是模式识别领域的热点和难点。而卷积神经网络在图像识别中表现出来的强大优势，卷积神经网络在很多模式识别问题上已经取得了非凡的识别性能。本文对深度学习中的卷积神经网络进行了研究，并将其运用到手写数字的识别上，并进一步推广到手写汉字的识别上。
本文首先通过搭建卷积神经网络模型基于tensorflow架构对MNIST手写数字字符集进行了识别，通过调整网络参数使得卷积神经网络在MNIST数据集上取得了较好的识别精度。
接下来运用更复杂的卷积神经网络来对HWDB1.1手写汉字字符集进行识别，络在脱机手写汉字识别上的可行性。通过调整网络深度、网络结构参数等对影响卷积神经网络识别手写汉字的因素进行了分析。通过优化网络结构进一步提高了手写汉字识别的准确率。
对汉字类别多、网络模型复杂的情况下产生的网络参数不易收敛、训练速度慢的问题，研究了基于迁移学习的监督式预训练方法，通过先对一个小字符集进行训练，获得一组较好的网络参数作为大字符集训练的初始化网络参数，加快了网络的收敛，提高了网络模型的实用性。
关键词：深度学习；卷积神经网络；手写字符识别；tensorflow

目录
第一章  绪论    3
1.1研究背景及意义    3
1.1.1关于深度学习    3
1.1.2关于手写字符识别    4
1.2 深度学习研究现状    4
1.3 字符识别的研究现状    6
第二章 深度神经网络基础介绍    7
2.1 神经网络介绍    7
2.1.1神经网络的定义    7
2.1.2神经网络的要素    7
2.1.3深度神经网络的重要概念    8
2.1.3 梯度下降    11
2.1.4 BP反向传播    11
2.1.5 逻辑回归    12
2.2 卷积神经网络介绍    13
2.3 tensorflow架构介绍    17
2.3.1 TensorFlow 平台开发流程    18
2.3.2 GPU加速    19
第3章 卷积神经网络在手写字符识别的应用    19
3.1 MNIST数据集    19
第四章 卷积神经网络在手写体汉字识别上的应用    24
4.1 数据准备和预处理    24
4.2 网络结构优化    25
4.3 手写汉字识别    29
4.4 分类错误分析    30
4.3本章小结    32
第五章 总结与展望    32
5.1 本文工作总结    32
5.2 对未来工作的展望    32