Reconocimiento de dígitos escritos a mano usando redes neuronales

Abstract

RESUMEN: En este trabajo se realiza un repaso sobre las redes neuronales tradicionales y las convolucionales como principales herramientas en el reconocimiento de dígitos escritos a mano. Se estudia la estructura de siete capas del modelo de red neuronal convolucional LeNet5 y el principio de funcionamiento de cada una. También se presentan las dificultades de la tarea del reconocimiento de dígitos. Se implementa el modelo y se pone a prueba su eficiencia. Se optimizan los parámetros para mejorar la precisión de LeNet5, con resultados satisfactorios en las pruebas experimentales. Por último, se utiliza el mejor modelo obtenido para la implementación de un programa capaz de reconocer tanto dígitos escritos con el ratón del ordenador como los capturados por una cámara web.

ABSTRACT: This work reviews traditional and convolutional neural networks as the main tools for handwritten digit recognition. The seven-layer structure of the Le Net5 convolutional neural network model and the working principle of each layer are studied. The difficulties of the digit recognition task are also pre sented. The model is implemented and its efficiency is tested. Parameters are optimized to improve the accuracy of LeNet5, with satisfactory results in experimental tests. Finally, the best model obtained is used for the im plementation of a program capable of recognizing both digits typed with the computer mouse and those captured by a webcam.