Reconnaissance de chiffres manuscrits


Problème: former un modèle de réseau neuronal pour identifier des chiffres manuscrits.

Contexte: Dans le passé, les ordinateurs ont eu du mal à interpréter les textes écrits à la main sur des documents papier. Convertir des caractères manuscrits en caractères numériques est un défi. Malgré l'essor de la documentation numérique, il existe encore de nombreux documents papier dans le monde entier que nous devons déchiffrer à l'aide d'un ordinateur.

Type de modèle: Réseaux neuronaux convolutifs

Ce que nous avons fait: Nous avons entraîné un modèle de réseau neuronal convolutif (CNN) sur l'ensemble de données MNIST composé de 70 000 images de chiffres manuscrits. Chaque image mesure 28 pixels sur 28 pixels et contient un chiffre manuscrit.(Pour en savoir plus sur la construction de cette démo).

Dans la démonstration ci-dessous, écrivez à la main un seul nombre (chiffre) à l'aide de votre souris et cliquez sur "Lire". Le modèle interprète alors ce que vous avez écrit.


Essayez l'apprentissage automatique en libre-service dès aujourd'hui