基于Keras框架MNIST数据集识别方法研究

基于Keras框架MNIST数据集识别方法研究

杨永翌

【摘 要】近年来，深度学习在图像识别领域获得了巨大成功，各种深度学习框架也随之开源，而Keras 框架较于Tensorflow 由于其代码易读，模块化设计更加引人注目。文章对比了基于Tensorflow 的softmax 方法和基于Keras框架下改进的卷积神经网络方法对MNIST 数据集识别的准确率，验证结果表明，前者准确率为0.92，后者高达0.98。 【期刊名称】《汽车实用技术》 【年(卷),期】2019(000)023 【总页数】3

【关键词】图像识别；Tensorflow；Keras；卷积神经网络 【文献来源】

https://www.zhangqiaokeyan.com/academic-journal-cn_automobile-applied-

technology_thesis/0201276211581.html

10.16638/j.cnki.1671-7988.2019.23.035 CLC NO.:U471.15 Document Code:A

Article ID:1671-7988(2019)23-101-03

前言

图像识别是计算机视觉的重要分支，是计算机对于图像的处理和理解。近年来由于采用深度学习使得图像识别准确率大大提高，使这一领域达到了前所未有的关注，远远领先于传统的图像识别方法，在自动驾驶，人脸识别，车牌识别等方面都有重要作用，未来对人类社会必然有更深远的影响[1]。2012年，浙