[发明专利]一种基于ARM平台的深度学习数字手写体识别方法在审
| 申请号： | 201810430232.9 | 申请日： | 2018-05-08 |
| 公开（公告）号： | CN108805222A | 公开（公告）日： | 2018-11-13 |
| 发明（设计）人： | 杨敏;黄佳凯;荆晓远;程雷 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/68 | 分类号： | G06K9/68 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 牛莉莉 |
| 地址： | 210023 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于ARM平台的深度学习手写数字识别方法，属于图像识别领域，具体步骤为：构建softmax深度学习神经网络模型；利用MNIST训练集训练模型；将深度学习模型移植到ARM平台；摄像头拍摄的手写数字照片预处理；识别并输出结果。本发明利用TensorFlow进行深度学习，具有开发简单、建模速度快、识别准确率高的优点，且ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。 | ||
| 搜索关键词： | 学习 手写数字识别 学习神经网络 摄像头拍摄 数字手写体 照片预处理 模型移植 手写数字 输出结果 图像识别 训练模型 实时性 训练集 准确率 构建 建模 开发 | ||
【主权项】：
1.一种基于ARM平台的深度学习数字手写体识别方法，其特征在于：包括以下步骤：步骤1，构建softmax深度学习神经网络模型；步骤2，利用MNIST训练集训练模型，将MNIST训练集导入步骤1中构建完成的模型中对模型进行训练，并且检测模型的训练效果；步骤3，将深度学习模型移植到ARM平台，在ARM平台上搭建TensorFlow，之后在PC端上利用FlashFXP通过SFTP over SSH连接类型，将训练好的深度学习模型导入ARM平台中；步骤4，利用采集设备采集手写数字照片进行预处理；通过ARM嵌入式平台上的摄像头模块拍摄需要被识别的手写数字图片，在白纸上写下一个在0～9之间的阿拉伯数字，然后利用ARM嵌入式平台上的摄像头模块拍摄白纸上的写下的数字，最终将拍摄的照片进行预处理；步骤5，识别并输出结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810430232.9/，转载请声明来源钻瓜专利网。
