2024年4月4日发(作者：)

题目 基于CNN的手写体数字识别系统的设计与实现

（居中，宋体小三号，加粗）

1．1 题目的主要研究内容（宋体四号加粗左对齐）

（1）实验实验内容是通过CNN模型实现对MNIST数据集的手写数字识

别，并通过GUI界面进行演示，通过tensorflow环境来构建模型并进行训练

（2）系统流程图

开始

获取数据集

构建CNN模型

结束

训练模型

搭建GUI界面

测试结果

1．2 题目研究的工作基础或实验条件

（1）硬件环境

Windows10系统

（2）软件环境

开发工具：python语言

开发软件：pycharm

开发环境：tensorflow

1．3 数据集描述

MNIST 是一个大型的、标准易用的、成熟的手写数字体数据集。该数据集由不同

人手写的0 至9 的数字构成，由60000 个训练样本集和10000 个测试样本集成，

每个样本的尺寸为28x28x1，以二进制格式存储，如下图所示：

1．4 特征提取过程描述

CNN 是一种前馈型的神经网络，其在大型图像处理方面有出色的表现。相比

于其他神经网络结构，如多层感知机，卷积神经网络需要的参数相对较少(通过

局部感受野和权值共享)。

CNN 的三个思想：局部感知野、权值共享、池化，能够大大简化权重参数的

数量，网络的层数更深而参数规模减小，利于模型的训练。

CNN 主要包含三层：卷积层、池化层和全连接层，且在卷积层后应加入非线

性函数作为激活函数，提高模型的非线性函数泛化能力，以下是单层CNN 的结构

图：