0 引言

    隨著科技的發(fā)展，人工智能識(shí)別技術(shù)已廣泛應(yīng)用于各個(gè)領(lǐng)域，同時(shí)也推動(dòng)著計(jì)算機(jī)的應(yīng)用朝著智能化發(fā)展。一方面，以深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)為代表的人工智能模型獲國內(nèi)外學(xué)者的廣泛關(guān)注；另一方面，人工智能與機(jī)器學(xué)習(xí)的系統(tǒng)開源，構(gòu)建了開放的技術(shù)平臺(tái)，促進(jìn)人工智能研究的開發(fā)。本文基于TensorFlow深度學(xué)習(xí)框架，構(gòu)建Softmax、CNN模型，并完成手寫體數(shù)字的識(shí)別。

    LECUN Y等提出了一種LeNet-5的多層神經(jīng)網(wǎng)絡(luò)用于識(shí)別0～9的手寫體數(shù)字，該研究模型通過反向傳播(Back Propagation，BP)算法進(jìn)行學(xué)習(xí)，建立起CNN應(yīng)用的最早模型^[1-2]。隨著人工智能圖像識(shí)別的出現(xiàn)，CNN成為研究熱點(diǎn)，近年來主要運(yùn)用于圖像分類^[3]、目標(biāo)檢測(cè)^[4]、目標(biāo)跟蹤^[5]、文本識(shí)別^[6]等方面，其中AlexNet^[7]、GoogleNet^[8]和ResNet^[9]等算法取得了較大的成功。

    本文基于Google第二代人工智能開源平臺(tái)TensorFlow，結(jié)合深度學(xué)習(xí)框架，對(duì)Softmax回歸算法和CNN模型進(jìn)行對(duì)比驗(yàn)證，最后對(duì)訓(xùn)練的模型基于Android平臺(tái)下進(jìn)行應(yīng)用。

1 TensorFlow簡介

    2015年11月9日，Google發(fā)布并開源第二代人工智能學(xué)習(xí)系統(tǒng)TensorFlow^[10]。Tensor表示張量（由N維數(shù)組成），F(xiàn)low（流）表示基于數(shù)據(jù)流圖的計(jì)算，TensorFlow表示為將張量從流圖的一端流動(dòng)到另一端的計(jì)算。TensorFlow支持短期記憶網(wǎng)絡(luò)(Long Short Term Memory Networks，LSTMN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks，RNN)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)等深度神經(jīng)網(wǎng)絡(luò)模型。TensorFlow的基本架構(gòu)如圖1所示。

    由圖1可知，TensorFlow的基本架構(gòu)可分為前端和后端。前端：基于支持多語言的編程環(huán)境，通過調(diào)用系統(tǒng)API來訪問后端的編程模型。后端：提供運(yùn)行環(huán)境，由分布式運(yùn)行環(huán)境、內(nèi)核、網(wǎng)絡(luò)層和設(shè)備層組成。

2 Softmax回歸

    Softmax回歸算法能將二分類的Logistic回歸問題擴(kuò)展至多分類。假設(shè)回歸模型的樣本由K個(gè)類組成，共有m個(gè)，則訓(xùn)練集可由式(1)表示：

式中，x⁽ⁱ⁾∈R⁽ⁿ⁺¹⁾，y⁽ⁱ⁾∈{1，2，…，K}，n+1為特征向量x的維度。對(duì)于給定的輸入值x，輸出的K個(gè)估計(jì)概率由式(2)表示：

    對(duì)參數(shù)θ₁，θ₂，…，θ_k進(jìn)行梯度下降，得到Softmax回歸模型，在TensorFlow中的實(shí)現(xiàn)如圖2所示。

    對(duì)圖2進(jìn)行矩陣表達(dá)，可得式(5)：

    將測(cè)試集數(shù)據(jù)代入式(5)，并計(jì)算所屬類別的概率，則概率最大的類別即為預(yù)測(cè)結(jié)果。

3 CNN

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種前饋神經(jīng)網(wǎng)絡(luò)，通常包含數(shù)據(jù)輸入層、卷積計(jì)算層、ReLU激勵(lì)層、池化層、全連接層等，是由卷積運(yùn)算來代替?zhèn)鹘y(tǒng)矩陣乘法運(yùn)算的神經(jīng)網(wǎng)絡(luò)。CNN常用于圖像的數(shù)據(jù)處理，常用的LenNet-5神經(jīng)網(wǎng)絡(luò)模型圖如圖3所示。

    該模型由2個(gè)卷積層、2個(gè)抽樣層（池化層）、3個(gè)全連接層組成。

3.1 卷積層

    卷積層是通過一個(gè)可調(diào)參數(shù)的卷積核與上一層特征圖進(jìn)行滑動(dòng)卷積運(yùn)算，再加上一個(gè)偏置量得到一個(gè)凈輸出，然后調(diào)用激活函數(shù)得出卷積結(jié)果，通過對(duì)全圖的滑動(dòng)卷積運(yùn)算輸出新的特征圖，如式(6)~式(7)所示：

3.2 抽樣層

    抽樣層是將輸入的特征圖用n×n窗口劃分成多個(gè)不重疊的區(qū)域，然后對(duì)每個(gè)區(qū)域計(jì)算出最大值或者均值，使圖像縮小了n倍，最后加上偏置量通過激活函數(shù)得到抽樣數(shù)據(jù)。其中，最大值法、均值法及輸出函數(shù)如式(8)~式(10)所示：

3.3 全連接輸出層

    全連接層則是通過提取的特征參數(shù)對(duì)原始圖片進(jìn)行分類。常用的分類方法如式(11)所示：

4 實(shí)驗(yàn)分析

    本文基于TensorFlow深度學(xué)習(xí)框架，數(shù)據(jù)源使用MNIST數(shù)據(jù)集，分別采用Softmax回歸算法和CNN深度學(xué)習(xí)進(jìn)行模型訓(xùn)練，然后將訓(xùn)練的模型進(jìn)行對(duì)比驗(yàn)證，并在Android平臺(tái)上進(jìn)行應(yīng)用。

4.1 MNIST數(shù)據(jù)集

    MNIST數(shù)據(jù)集包含60 000行的訓(xùn)練數(shù)據(jù)集(train-images-idx3)和10 000行的測(cè)試數(shù)據(jù)集(test-images-idx3)。每個(gè)樣本都有唯一對(duì)應(yīng)的標(biāo)簽(label)，用于描述樣本的數(shù)字，每張圖片包含28×28個(gè)像素點(diǎn)，如圖4所示。

    由圖4可知，每一幅樣本圖片由28×28個(gè)像素點(diǎn)組成，可由一個(gè)長度為784的向量表示。MNIST的訓(xùn)練數(shù)據(jù)集可轉(zhuǎn)換成[60 000，784]的張量，其中，第一個(gè)維度數(shù)據(jù)用于表示索引圖片，第二個(gè)維度數(shù)據(jù)用于表示每張圖片的像素點(diǎn)。而樣本對(duì)應(yīng)的標(biāo)簽(label)是介于0到9的數(shù)字，可由獨(dú)熱編碼(one-hot Encoding)進(jìn)行表示。一個(gè)獨(dú)熱編碼除了某一位數(shù)字是1以外，其余維度數(shù)字都是0，如標(biāo)簽0表示為[1，0，0，0，0，0，0，0，0，0]，所以，樣本標(biāo)簽為[60 000，10]的張量。

4.2 Softmax模型實(shí)現(xiàn)

    根據(jù)式(5)，可以將Softmax模型分解為矩陣基本運(yùn)算和Softmax調(diào)用，該模型實(shí)現(xiàn)方式如下：(1)使用符號(hào)變量創(chuàng)建可交互的操作單元；(2)創(chuàng)建權(quán)重值和偏量；(3)根據(jù)式(5)，實(shí)現(xiàn)Softmax回歸。

4.3 CNN模型實(shí)現(xiàn)

    結(jié)合LenNet-5神經(jīng)網(wǎng)絡(luò)模型，基于TensorFlow深度學(xué)習(xí)模型實(shí)現(xiàn)方式如下：

    (1)初始化權(quán)重和偏置；

    (2)創(chuàng)建卷積和池化模板；

    (3)進(jìn)行兩次的卷積、池化；

    (4)進(jìn)行全連接輸出；

    (5)Softmax回歸。

4.4 評(píng)估指標(biāo)

    采用常用的成本函數(shù)“交叉熵”(cross-entropy)，如式(12)所示：

4.5 模型檢驗(yàn)

    預(yù)測(cè)結(jié)果檢驗(yàn)方法如下：

    (1)將訓(xùn)練后的模型進(jìn)行保存；

    (2)輸入測(cè)試樣本進(jìn)行標(biāo)簽預(yù)測(cè)；

    (3)調(diào)用tf.argmax函數(shù)獲取預(yù)測(cè)的標(biāo)簽值；

    (4)與實(shí)際標(biāo)簽值進(jìn)行匹配，最后計(jì)算識(shí)別率。

    根據(jù)上述步驟，分別采用Softmax模型和卷積神經(jīng)網(wǎng)絡(luò)對(duì)手寫數(shù)字0～9的識(shí)別數(shù)量、識(shí)別率分別如圖5、表1所示。

    根據(jù)表1的模型預(yù)測(cè)結(jié)果可知，Softmax模型對(duì)數(shù)字1的識(shí)別率為97.9%，識(shí)別率最高。對(duì)數(shù)字3和數(shù)字8的識(shí)別率相對(duì)較小，分別是84.9%、87.7%。Softmax模型對(duì)手寫體數(shù)字0~9的整體識(shí)別率達(dá)91.57%。

    結(jié)合圖5和表1可知，基于CNN模型的整體識(shí)別率高于Softmax模型，其中對(duì)數(shù)字3的識(shí)別率提高了14.7%，對(duì)數(shù)字1的識(shí)別率只提高了1.7%。基于深度學(xué)習(xí)CNN模型對(duì)手寫體數(shù)字0~9的整體識(shí)別率高達(dá)99.17%，比Softmax模型整體提高了7.6%。

4.6 模型應(yīng)用

    通過模型的對(duì)比驗(yàn)證可知，基于深度學(xué)習(xí)CNN的識(shí)別率優(yōu)于Softmax模型?，F(xiàn)將訓(xùn)練好的模型移植到Android平臺(tái)，進(jìn)行跨平臺(tái)應(yīng)用，實(shí)現(xiàn)方式如下。

    (1)UI設(shè)計(jì)

    用1個(gè)Bitmap控件顯示用戶手寫觸屏的軌跡，并將2個(gè)Button控件分別用于數(shù)字識(shí)別和清屏。

    (2)TensorFlow引用

    首先編譯需要調(diào)用的TensorFlow的jar包和so文件。其次將訓(xùn)練好的模型(.pb)導(dǎo)入到Android工程。

    (3)接口實(shí)現(xiàn)

    ①接口定義及初始化：

    inferenceInterface.initializeTensorFlow(getAssets(), MODEL_FILE); 

    ②接口的調(diào)用：

    inferenceInterface.fillNodeFloat(INPUT_NODE, new int[]{1, HEIGHT, WIDTH, CHANNEL}, inputs);

    ③獲取預(yù)測(cè)結(jié)果

    inferenceInterface.readNodeFloat(OUTPUT_NODE, outputs);

    通過上述步驟即可完成基于Android平臺(tái)環(huán)境的搭建及應(yīng)用，首先利用Android的觸屏功能捕獲并記錄手寫軌跡，手寫完成后單擊識(shí)別按鈕，系統(tǒng)將調(diào)用模型進(jìn)行識(shí)別，并將識(shí)別結(jié)果輸出到用戶界面。識(shí)別完成后，單擊清除按鈕，循環(huán)上述操作步驟可進(jìn)行手寫數(shù)字的再次識(shí)別，部分手寫數(shù)字的識(shí)別效果如圖6所示。

    由圖6可知，在Android平臺(tái)上完成了基于TensorFlow深度學(xué)習(xí)手寫數(shù)字的識(shí)別，并且采用CNN的訓(xùn)練模型有較好的識(shí)別效果，實(shí)現(xiàn)了TensorFlow訓(xùn)練模型跨平臺(tái)的應(yīng)用。

5 結(jié)論

    本文基于TensorFlow深度學(xué)習(xí)框架，采用Softmax回歸和CNN等算法進(jìn)行手寫體數(shù)字訓(xùn)練，并將模型移植到Android平臺(tái)，進(jìn)行跨平臺(tái)應(yīng)用。實(shí)驗(yàn)數(shù)據(jù)表明，基于Softmax回歸模型的識(shí)別率為91.57%，基于CNN模型的識(shí)別率高達(dá)99.17%。表明基于深度學(xué)習(xí)的手寫體數(shù)字識(shí)別在人工智能識(shí)別方面具有一定的參考意義。

參考文獻(xiàn)

[1] HUBEL D H，WIESEL T N.Receptive fields and functional architecture of monkey striate cortex[J].Journal of Physiology，1968，195(1)：215-243.

[2] LECUN Y，BOTTOU L，BENGIO Y，et al.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE，1998，86(11)：2278-2324.

[3] ZEILER M D，F(xiàn)ERGUS R.Visualizing and understanding convolutional networks[J].arXiv：1311.2901[cs.CV].

[4] 賀康建，周冬明，聶仁燦，等.基于局部控制核的彩色圖像目標(biāo)檢測(cè)方法[J].電子技術(shù)應(yīng)用，2016，42(12)：89-92.

[5] LI H，LI Y，PORIKLI F.DeepTrack：learning discriminative feature representations online for robust visual tracking[J].IEEE Transactions on Image Processing，2015，25(4)：1834-1848.

[6] GOODFELLOW I J，BULATOV Y，IBARZ J，et al.Multi-digit number recognition from street view imagery using deep convolutional neural networks[J].arXiv：1312.6082[cs.CV].

[7] KRIZHEVSKY A，SUTSKEVER I，HINTON G E.ImageNet classifycation with deep convolutional neural networks[C].International Conference on Neural Information Processing Systems.Curran Associates Inc.，2012：1097-1105.

[8] SZEGEDY C，LIU W，JIA Y，et al.Going deeper with convoluteons[C].IEEE Conference on Computer Vision and Pattern Recognition.IEEE，2015：1-9.

[9] HE K，ZHANG X，REN S，et al.Deep residual learning for image recognition[J].arXiv：1512.03385[cs.CV].

[10] ABADI M，AGARWAL A，BARHAM P，et al.TensorFlow：large-scale machine learning on heterogeneous distributed systems[J].arXiv：1603.04467[cs.DC].

作者信息:

黃  睿，陸許明，鄔依林

（廣東第二師范學(xué)院 計(jì)算機(jī)科學(xué)系，廣東 廣州510303）