手写数据集mnist.csv_手写识别介绍

图像识别

 图像识别(Image Recognition)是指利用计算机对图像进行处理、分析

和理解，以识别各种不同模式的目标和对像的技术。

 图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体

识别。机器学习领域一般将此类识别问题转化为分类问题。

手写识别

 手写识别是常见的图像识别任务。计算机通过手写体图片来识别出图片

中的字，与印刷字体不同的是，不同人的手写体风格迥异，大小不一，

造成了计算机对手写识别任务的一些困难。

 数字手写体识别由于其有限的类别(0~9共10个数字)成为了相对简单

的手写识别任务。DBRHD和MNIST是常用的两个数字手写识别数据集。

手写识别”实例

已有许多模型在MNIST或DBRHD数据集上进行了实验，有些模型对数据集进行了偏斜

矫正，甚至在数据集上进行了人为的扭曲、偏移、缩放及失真等操作以获取更加多样性的

样本，使得模型更具有泛化性。

 常用于数字手写体的分类器：

1) 线性分类器 2) K最近邻分类器

3) Boosted Stumps 4) 非线性分类器

5) SVM 6) 多层感知器

7) 卷积神经网络

 后续任务：利用全连接的神经网络实现手写识别的任务

MNIST数据集

MNIST的下载链接：http://yann.lecun.com/exdb/mnist/

MNIST是一个包含数字0~9的手写体图片数据集，图片已归一化为以手写数

字为中心的28*28规格的图片。MNIST由训练集与测试集两个部分组成，各部分

规模如下：

 训练集：60,000个手写体图片及对应标签

 测试集：10,000个手写体图片及对应标签