本文介绍了使用OpenCV3和Python的ANN库进行MNIST数据库的手写数字识别。首先，概述了MNIST数据库并展示了如何加载数据。接着，详细解释了输入层、隐藏层和输出层的参数配置。文章还封装了一个迷你库，包含数据加载、模型创建、训练和预测功能。最后，提供了实际的图像识别示例，通过找到图像中的数字轮廓并进行识别。
1. MNIST数据库
MNIST数据库是Web上非常流行的OCR和手写字符识别分类器的训练资源。
下载mnist.pkl.gz数据集，并将其放置到与.py文件同级目录下。
2. 初始化参数
(1)输入层
由于采用MNIST数据库，它里面的每幅图像大小为28x28像素，即784像素，因此输入层有784个输入节点。
(2)隐藏层
隐藏层大小没有固定，通过多次尝试发现，在训练数据量不大的情况下，50-60个节点可得到最好结果。
(3)输出层
输出层为0-9的数字，共10个节点。
3. 封装ANN库
为了尽可能自行执行，此处建立了一个迷你库，用来封装ANN到OpenCV中的原始实现。
注意：pickle是MNIST数据库序列化库，需要提前确保已安装。
digits_ann.py内容如下：import cv2
import pickle
import numpy as np
import gzip
"""OpenCV ANN Handwritten digit recognition example
Wraps OpenCV's own ANN by automating the loading of data and supplying default paramters,
such as 20 hidden layers, 10000 samples and 1 training epoch.
The load data code is taken from http://neuralnetworksanddeeplearning.com
最低0.47元/天 解锁文章
659
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
