導(dǎo)讀：專利摘要顯示，本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)的表單手寫數(shù)字識別方法，屬于機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，基于LeNet5模型的結(jié)構(gòu)特性，通過TensorFlow開源平臺和Keras框架搭建機(jī)器學(xué)習(xí)模型，所述機(jī)器學(xué)習(xí)模型基于用戶輸入的表單手寫數(shù)字圖片，處理為識別后的阿拉伯?dāng)?shù)字；...
專利摘要顯示，本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)的表單手寫數(shù)字識別方法，屬于機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，基于LeNet5模型的結(jié)構(gòu)特性，通過TensorFlow開源平臺和Keras框架搭建機(jī)器學(xué)習(xí)模型，所述機(jī)器學(xué)習(xí)模型基于用戶輸入的表單手寫數(shù)字圖片，處理為識別后的阿拉伯?dāng)?shù)字；所述機(jī)器學(xué)習(xí)模型包括C1卷積層、C2卷積層、池化采樣層、Flatten層、D1層、Dense層、D2層以及Output層，所述Output層，把09十個數(shù)字分成10個組，每個組標(biāo)志一個數(shù)字。本發(fā)明對表單手寫體數(shù)字進(jìn)行識別時，能獲得更好的性能和更高的識別精度。
