深度学习算法中一个重要的网络结构是卷积神经网络（convolutional neural networks，cnn）结构，它属于人工神经网络的一种，近年来成为图像分类，目标检测，图像分割，语音识别方面的热口内容。卷积神经网络是一种仿生网络，即模仿生物神经网络，它具有传统检测分类算法无法达到的优秀特性，与传统检测分类算法不同的是，卷积神经网络具有权值共享的网络结构，这种结构的网络模型更加简洁，权值的总数大大减少。本文所述的离线中文手写体字符数据是图像数据，图像数据是多维的，在传统检测识别算法中，对多维数据处理时首先要对复杂的多维特性进行特征提取，在特征提取之后还要对提取的特征进行数据重建，传统算法的复杂性比较高，而在卷积神经网络中，类似于图像这种多维数据可作为网络的直接输入，避免了传统算法的复杂性。

2. 研究的基本内容与方案

本课题基于深度学习，要求学习基础的卷积神经网络，并且设计经典的vggnet-16深度神经网络来实现简单的数字识别功能。深度学习的开发平台使用基于python的tensorflow平台，使用的数据集使用mnist等经典的数据集，数据集要分为训练集和预测集，要求识别准确率在90%以上。

vggnet对图片有很强的特征提取能力，并且拓展性很强。vggnet主要特点是全部使用了3ｘ3的卷积核和2ｘ2的池化核，并通过加深网络结构来提升性能。vggnet系列网络有6个版本的网络结构，层数从11到19，本次设计使用16层的网络模型（即vggnet-16）。从整体来看vggnet-16有5段卷积，每段内有2~3个卷积层，同时在每段末尾都会连接一个最大池化层，用来减小图片尺寸。而且每段内的每个卷积层的卷积核个数相同，段与段之间的卷积核个数随着网络层数加深而增多。在网络最后一个最大池化层后面接入了一个三层的传统神经网络一全连接层网络。最后的输出层是一个softmax函数，即多分类器。

用vggnet-16网络对手写数字进行识别前，应先对手写数字位图样本进行预处理，即先将256色位图转为灰度图,然后二值化，最后进行归一化处理，以消除各数字在位置和大小上的差异， 从而提高识别的准确率。归一化处理后的字符便可进行特征向量提取。将所提取的特征输入到神经网络进行识别，最后输出并显示识别结果。数字识别过程如图1所示。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] tomoka azakami, ryuya uda. deep learning analysis of amodal completion captcha with colors and hidden positions, 2017 31st international conference on advanced information networking and applications workshops (waina), taipei, 2017, pp. 341-346.

[2] y. lavinia, h. h. vo and a. verma. fusion based deep cnn for improved large-scale image action recognition. 2016 ieee international symposium on multimedia (ism), san jose, ca, 2016, pp. 609-614.

[3] t. abtahi, a. kulkarni and t. mohsenin. accelerating convolutional neural network with fft on tiny cores. 2017 ieee international symposium on circuits and systems (iscas), baltimore, md, 2017, pp. 1-4.