تشخیص ارقام دست‌نویس انگلیسی با استفاده از شبکه عصبی کانولوشن

انسان‌ها می‌توانند با استفاده از چشم‌ها و مغز خودشان جهان اطراف خود را ببینند و حس کنند. بینایی رایانه بر روی توانایی کامپیوترها برای دیدن و پردازش تصاویر به همان روشی که انسان‌ها استفاده می‌کنند، کار می‌کند. هدف از کار ما ایجاد مدلی است که بتواند ارقام دست‌نویس انگلیسی را از تصویر اصلی با دقت زیاد شناسایی کند. هدف ما این است که با استفاده از مفاهیم شبکه عصبی کانولوشن (convolutional neural network) و مجموعه داده mnist، این کار را انجام دهیم. در این کار، هدف ما یادگیری و بکارگیری عملی مفاهیم شبکه‌های عصبی کانولوشن است. اگرچه هدف ما ایجاد مدلی است که بتواند ارقام دست‌‌نویس را تشخیص دهد، اما می‌توانیم آن را برای حروف و دست خط یک شخص دیگر نیز گسترش دهیم. در این کار توانستیم در آزمایش‌های خود به بهبود قابل قبولی نسبت به کارهای انجام شده قبلی برسیم که به دست آوردن دقت 99.30% نشان‌دهنده موفقیت روش پیشنهادی برای تشخیص ارقام دست‌نویس مجموعه داده mnist می‌باشد.

recognition of handwritten digit using convolutional neural network

humans perceive and understand the surrounding world through their eyes and brains. computer vision endeavors to equip computers with the ability to see and process images akin to human vision. our objective is to develop a model capable of accurately identifying handwritten english digits from their images. this will be achieved through the utilization of convolutional neural network principles and the mnist dataset. in this work، the primary aim is to grasp and implement convolutional neural network concepts effectively. while the focus is on creating a model for digit recognition، the potential expansion to letters and individual handwriting is considered. the outcomes of our experiments exhibit a notable enhancement compared to prior works، with an accuracy of 99.30%، signifying the success of the proposed method in recognizing handwritten digits in the mnist dataset.