论文总字数：20314字

摘 要

当深度学习广泛运用于日常的生产和生活实践，我们可以发现在各个领域 中，都有深度学习的技术应用。我们要首先掌握python基本的语法，掌握基本的Tensorflow的框架和常用的神经网络。特别是卷积神经网络，每一层卷积和池化的功能和实现的基本原理。

本次基于深度学习的手写手机号码的系统是构架在图像识别之上，通过手写写字板上的输入结果保存为一般的图片，将问题转变到对于图片的处理和预测上来。即使该系统将面对数字在数量上的增加，可以依然保持稳健和高效的返回给我们理想的结果。整个手机号码的识别将使用传统的全连接神经网络和卷积神经网络来搭建，并训练属于它们自己的模型，最后会挑选出最优的模型作为基石。在此基础上，将训练好的模型封装进GUI界面，完成用户的输入和图像预测的输出。该手写数字识别系统将对于用户输入的任何长度的数字可以进行快速准确的识别。同时，用户可以自己手动的训练模型，我们的系统会保存最好的模型最为最终的预测模型对我们的手机号码可以进行高效的识别。值得注意的是，我们将对输入的图片进行图像的预处理，保证识别的准确率和效率，成为一个真正具有使用价值的手机号码的识别。并将这个系统衍生不同的应用场景。

关键词：深度学习 图像识别 手写数字 神经网络

Mobile phone number recognition based on deep learning

Abstract

When deep learning is widely used in daily production and daily life practice, we can find that there are technical applications of deep learning in various fields. We must first master python syntax, master the basic Tensorflow framework and commonly used neural networks. In particular, the convolutional neural network, the function of each layer of convolution and pooling and the basic principles of implementation.

This deep learning-based handwriting mobile phone number system is built on image recognition, and the input results on the handwriting tablet are saved as general pictures, turning the problem to the processing and prediction of pictures. Even if the system will face an increase in the number, it can still return to our ideal results in a robust and efficient manner. The identification of the entire mobile phone number will be built using traditional fully connected neural networks and convolutional neural networks, and train their own models. Finally, the optimal model will be selected as the cornerstone. On this basis, the trained model is encapsulated into the GUI interface to complete the user input and image prediction output. The handwritten digit recognition system can quickly and accurately recognize digits of any length input by the user. At the same time, users can manually train the model by themselves. Our system will save the best model and the final prediction model to efficiently identify our mobile phone number. It is worth noting that we will perform image preprocessing on the input pictures to ensure the accuracy and efficiency of recognition, and become a truly mobile phone number recognition. And this system is derived from different application scenarios.

Key Words: Deep learning; Image recognition; Handwritten digits; Neural network

目 录

摘 要 2

ABSTRACT 3

第一章 绪论 6

1.1手写变长数字 6

1.1.1手写变长数字的背景 6

1.1.2基于深度学习的手写变长数字的研究意义 7

1.2目前手写数字的研究情况 7

1.3论文组织结构 8

第二章 基于深度学习的变长手写数字 10

2.1 python语言介绍 10

2.2 python常用的库 10

2.3 anaconda环境的选择和配置 10

2.4 主流框架的介绍 10

第三章 系统的理论支持和基础 12

3.1手写数字的训练集合（MNIST） 12

3.2 Tensorflow框架介绍和选择 14

3.3深度深度神经网络 14

3.3.1 感知机和激活函数 14

3.3.2 损失函数和随机梯度下降 15

3.3.3 全连接神经网络 17

3.3.4 CNN卷积神经网络 19

第四章 系统设计与实现 20

4.1 模型的选择与训练 20

4.2模型的架构 20

4.3 模型的选择 25

4.3.1 模型训练结果 25

4.3.2 模型之间的比较 26

4.4 GUI界面设计 26

4.5图像的处理 27

4.6运行结果 28

第五章 系统运行 31

5.1 手写变长数字（手机号码）的总结 31

5.2 手写数字的结果预期和分析 31

5.3 系统的不足和改进 31

5.4工作总结与展望 32

参考文献 34

致谢 37

第一章 绪论

请支付后下载全文，论文总字数：20314字