matlab深度学习——【卷积神经网络】手写字的识别

> 本文所使用的数据集在文章最后，不需要积分就可以下载！
数据集下载

 这里主要是基于卷积神经网络的手写字的识别，我是用matlab做的，如果有对卷积神经网络不太熟悉的伙伴可以搜下，网上资源比较多，我这里就不多说了，直接上代码了。

%%准备工作空间
clc
clear all
close all%%导入数据
digitDatasetPath = fullfile('./','/HandWrittenDataset/');
imds = imageDatastore(digitDatasetPath,...'IncludeSubfolders',true,'LabelSource','foldernames');%采用文件夹名称作为数据标记%%数据集图个数
countEachLabel(imds)numTrainFiles = 17;%每一个数字有22个样本，取17个样本作为训练数据
[imdsTrain,imdsValidation] = splitEachLabel(imds,numTrainFiles,'randomized');
%查看图片的大小
img = readimage(imds,1);
size(img)%%定义卷积神经网络的结构
layers = [
%输入层
imageInputLayer([28 28 1])%卷积层
convolution2dLayer(5,6,'Padding',2)
batchNormalizationLayer
reluLayermaxPooling2dLayer(2,'stride',2)convolution2dLayer(5,16)
batchNormalizationLayer
reluLayermaxPooling2dLayer(2,'stride',2)convolution2dLayer(5,120)
batchNormalizationLayer
reluLayer%最终层
fullyConnectedLayer(10)
softmaxLayer
classificationLayer];%%训练神经网络一、设置训练参数
options = trainingOptions('sgdm',...'MaxEpochs',50,...'ValidationData',imdsValidation,...'ValidationFrequency',5,...'Verbose',false,...'Plots','training-progress');%显示训练的进度%训练神经网络，保存网络
net = trainNetwork(imdsTrain,layers,options);
save 'CSNet.mat' net%%标记数据（文件名称方式，自行构造）
mineSet = imageDatastore('./hw22/hw22/',  'FileExtensions','.jpg',...'IncludeSubfolders',false);
mLabels = cell(size(mineSet.Files,1),1);
for i = 1:size(mineSet.Files,1)
[filepath,name,ext] = fileparts(char(mineSet.Files{i}));
mLabels{i,1} = char(name);
end
mLabels2 = categorical(mLabels);
mineSet.Labels = mLabels2;%%%使用网络进行分类并计算准确性
%手写数据
YPred = classify(net,mineSet);
YValidation = mineSet.Labels;
%计算正确率
accuracy = sum(YPred == YValidation)/numel(YValidation)
%绘制预测结果
figure;
nSample = 10;
ind = randperm(size(YPred,1),nSample);
for i = 1:nSamplesubplot(2,fix((nSample+1)/2),i)
imshow(char(mineSet.Files(ind(i))))
title(['预测：' char(YPred(ind(i)))])
if char(YPred(ind(i))) ==char(YValidation(ind(i)))xlabel(['真实:' char(YValidation(ind(i)))],'Color','b')
elsexlabel(['真实:' char(YValidation(ind(i)))],'color','r')
end end

直接上结果：

里面的数据存放的位置根据自己的情况修改即可。

数据集：
CSDN下载路径，如果有多余的积分，可以支持一下！没有的也无所谓，下面有百度网盘链接！
手写数字数据集

百度网盘：如失效，请留邮箱！
链接: 手写数字数据集，点击下载
提取码: uak2

matlab深度学习——【卷积神经网络】手写字的识别相关推荐

一种基于深度学习(卷积神经网络CNN)的人脸识别算法-含Matlab代码
目录一.引言二.算法的基本思想三.算法数学原理 3.1 权值共享 3.2 CNN结构四.基于卷积神经网络的人脸识别算法-Matlab代码五.Matlab源代码获取一.引言在工程应用中经常 ...
计算机视觉与深度学习 | 卷积神经网络实现异常行为识别（目标分割与提取）
################################################ 博主github:https://github.com/MichaelBeechan 博主CSDN:h ...
[深度学习-1]神经网络-手写数字识别
Date:2018年9月29记数据及彭亮给出的数据集和源码在下面网址: https://github.com/mnielsen/neural-networks-and-deep-learning 在 ...
深度学习卷积神经网络-Pytorch手写数字识别
深度学习卷积神经网络-Pytorch手写数字识别一.前言二.代码实现 2.1 引入依赖库 2.2 加载数据 2.3 数据分割 2.4 构造数据 2.5 迭代训练三.测试数据四.参考资料一. ...
毕设深度学习卷积神经网络的花卉识别
文章目录 0 前言 1 项目背景 2 花卉识别的基本原理 3 算法实现 3.1 预处理 3.2 特征提取和选择 3.3 分类器设计和决策 3.4 卷积神经网络基本原理 4 算法实现 4.1 花卉图像数 ...
深度学习卷积神经网络原理
深度学习卷积神经网络原理一.前言二.全连接层的局限性三.卷积层 3.1 如何进行卷积运算? 3.2 偏置 3.3 填充 3.4 步长 3.5 卷积运算是如何保留图片特征的? 3.6 三维卷积 ...
毕业设计 - 题目：基于深度学习卷积神经网络的花卉识别 - 深度学习机器视觉
文章目录 0 前言 1 项目背景 2 花卉识别的基本原理 3 算法实现 3.1 预处理 3.2 特征提取和选择 3.3 分类器设计和决策 3.4 卷积神经网络基本原理 4 算法实现 4.1 花卉图像数 ...
深度学习-卷积神经网络初识-1
卷积神经网络技交部潘震宇一.计算机视觉在计算机视觉领域中,存在着许多问题,各类领域基本都包含着这俩种基础问题: 1. 图像分类 2. 目标检测除上述之外,最近有一种新颖的技术,也出现在大众的 ...
深度学习——卷积神经网络的应用——目标检测
一.理论部分介绍 1. 目标定位和特征点检测图片检测问题: 分类问题:判断图中是否为汽车: 目标定位:判断是否为汽车,并确定具体位置: 目标检测:检测不同物体并定位. 目标分类和定位: 对于目标定位 ...
深度学习卷积神经网络大事件一览
转载自:http://blog.csdn.net/u013088062/article/details/51118744 深度学习(DeepLearning)尤其是卷积神经网络(CNN)作为近几年来模 ...

matlab深度学习——【卷积神经网络】手写字的识别

matlab深度学习——【卷积神经网络】手写字的识别相关推荐

最新文章

热门文章