计算机视觉ch8 基于LeNet的手写字体识别

原理

卷积神经网络参考：https://www.cnblogs.com/chensheng-zhou/p/6380738.html
LeNet神经网络参考：https://my.oschina.net/u/876354/blog/1632862

LeNet的简单介绍

LeNet是一个最典型的卷积神经网络，由卷积层、池化层、全连接层组成。其中卷积层与池化层配合，组成多个卷积组，逐层提取特征，最终通过若干个全连接层完成分类，其结构如下图。

Minist数据集的特点

MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据

Python代码实现

手写字体识别

# coding:utf8
import os
import cv2
import numpy as np
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

sess = tf.InteractiveSession()

def getTrain():
    trai n =[[] ,[]] # 指定训练集的格式，一维为输入数据，一维为其标签
    # 读取所有训练图像，作为训练集
    train_roo t ="mnist_train"
    labels = os.listdir(train_root)
    for label in labels:
        imgpaths = os.listdir(os.path.join(train_root ,label))
        for imgname in imgpaths:
            img = cv2.imread(os.path.join(train_root ,label ,imgname) ,0)