祝世平， 周富强， 魏新国， 温思寒

(北京航空航天大学 仪器科学与光电工程学院， 北京 100191)

基于卷积神经网络的图像识别教学实验

祝世平， 周富强， 魏新国， 温思寒

(北京航空航天大学 仪器科学与光电工程学院， 北京 100191)

图像识别是“图像处理”教学中的重要内容。本文在Linux环境下使用iTorch notebook可视化界面利用卷积神经网络实现mnist手写数字体的准确识别，并详细介绍卷积神经网络的原理，给出直观的实验结果。教学实践表明，通过具有应用性和趣味性的实验可以提高学生的积极性，加深对课程理论的认知，培养其分析问题和解决问题的能力。

图像识别；卷积神经网络；iTorch

0 引言

图像识别是“数字图像处理”课程的重要内容，随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛[1]。其中，好的识别技术是关键所在，怎么样提高识别率和识别的速度意义重大，直接关系到图像识别的实用性和安全性。目前，图像识别方法大多采用人工方式提取特征，不仅费时费力，而且提取困难；而深度学习是一种非监督学习，学习过程中可以不知道样本的标签值，整个过程无需人工参与也能提取到好的特征。作为实现深度学习的一项重要技术，卷积神经网络(CNN)成功训练了首个深层神经网络结构，已在图像识别、语音识别等领域取得卓越成绩[2]。另外，在Google公司的alphGo运用深度学习的方法战胜围棋高手李世石后，人们对深度学习的好奇掀起了高潮，故为了更好地满足学生的求知欲，激发学生的积极性，本课程设计了基于卷积神经网络的图像识别实验，并在iTorch notebook可视化界面下训练MNIST手写数据集，测试其识别准确度。……