摘要：手写体数字的识别一直以来都是模式识别及图像处理领域的研究热点，由于手写体数字具有通用性，并且数字识别处理也是自动化系统的核心和关键，所以对于手写体数字识别的研究意义重大。当涉及到数字识别时，往往需要识别系统有很高的识别率和识别精度，但是不同数字字形相差不大，同一数字不同的人写法也千差万别，所以很难做到兼顾各种写法且有极高识别率的通用性数字识别系统。

本文主要研究利用python实现基于深度学习技术的手写体数字识别方法，主要工作是基于深度学习技术的特征提取和分类。卷积神经网络主要应用于二维数据处理，具有较少的预处理步骤，能降低噪声对特征的干扰。因此，使用卷积神经网络对手写数字进行识别具有可行性，故本文使用LeNet-5，VGGNet两种卷积神经网络来进行手写数字的识别。

结果表明通过采用卷积神经网络算法，可对手写体数字的特征进行良好的训练分类，并且输出正确的结果。两个卷积神经网络(LeNet-5，VGGNet)分别对MNIST数据集的准确率达到了98.3%和98.0%，表明深度学习在识别手写体数字时具有很高的准确率。

关键词：深度学习；手写体数字识别；卷积神经网络；LeNet-5；VGGNet

目录

摘要

Abstract

1 绪论-1

1.1 课题研究背景与意义-1

1.2 国内外研究现状-1

1.3 本文研究内容-2

2 理论基础-4

2.1 深度学习-4

2.1.1深度学习的概念-4

2.1.2 深度学习的基本思想-4

2.2 神经网络-5

2.3 卷积神经网络-6

2.3.1 卷积原理-7

2.3.2 权值共享-7

2.3.3 下采样层（池化层）-8

2.4 卷积神经网络的训练-9

2.5 手写体数字数据集-10

3 基于LeNet-5的手写体数字识别-12

3.1 LeNet-5网络结构模型-12

3.2 核心程序-13

3.3 LeNet-5实验结果-14

4 基于VGGNet的手写体数字识别-16

4.1 VGGNet网络结构模型-16

4.2 核心程序-18

4.3 VGGNet实验结果-19

5 仿真实验-21

5.1 仿真环境-21

5.2 实验结果与分析-21

5.3 对比组实验结果与分析-22

结    论-26

参考文献-27

附录 程序全文-28

致    谢-39