NHẬN DẠNG CHỮ SỐ VIẾT TAY DỰA TRÊN MẠNG NƠ-RON TÍCH CHẬP SÂU

Tóm tắt

Tóm tắt: Trong lĩnh vực xử lý ảnh, nhận dạng mẫu là một trong các thách thức lớn nhất của các nhà nghiên cứu trong những năm qua. Mục tiêu của nhận dạng mẫu là phát hiện, trích chọn các đặc trưng trong ảnh để phân loại các mẫu vào các lớp khác nhau. Một bài toán nổi tiếng trong lĩnh vực này là nhận dạng chữ số viết tay, trong đó mỗi chữ số phải được gán vào một trong 10 lớp sử dụng một số phương pháp phân loại. Mục đích của chúng tôi trong bài báo này là trình bày một phương pháp học sâu để so sánh với các phương pháp dựa trên các kỹ thuật thống kê đã có để giải quyết bài toán nhận dạng chữ số viết tay. Chúng tôi sẽ xây dựng mô hình mạng nơ-ron tích chập sâu với việc sử dụng nhiều lớp khác nhau của mạng để có thể trích chọn tự động được các đặc trưng tốt nhất trong ảnh. Đồng thời, chúng tôi cũng kết hợp giữa mạng nơ-ron tích chập và Multi-layer Perceptron nhằm cải thiện hiệu suất của mô hình. Chúng tôi đã xây dựngcác thực nghiệm sử dụng tập dữ liệu MNIST và đã đạt được độ chính xác phân loại cao nhất là 99,34% và tỷ lệ lỗi là 0,74%. Các kết quả này cho thấy mô hình đề xuất của chúng tôi cho kết quả cao hơn so với nhiều mô hình đã xây dựng trước đó trên cùng tập dữ liệu. Từ khóa: Nhận dạng chữ số viết tay, mạng nơ-ron tích chập, multi-layer perceptron, phân loại.