基于Tensorflow深度学习框架的手写体数字识别模型优化及应用

摘要

优化后的基于TensorFlow的全连接神经网络模型,在手写体数字数据集上的识别正确率从91.2％提升到98.3％.增加隐藏层和加入RELU激活函数,对提升识别率效果显著,而指数衰减的学习率、滑动平均模型和正则化损失则对识别正确率无明显影响.将改进后的模型,移植到ROS操作系统中,调用已训练好的模型及参数,并将识别功能封装成ROS节点,最后运用消息机制对摄像头采集到的图像消息完成识别.