iT邦幫忙

2022 iThome 鐵人賽

DAY 3
0
AI & Data

機器學習的 hello world - 用手寫數字辨識系統學習 ML 的 30 天系列 第 3

[DAY3] 有沒有別人做過的手寫數字辨識程式?方法的分類整理

  • 分享至 

  • xImage
  •  

這邊我將搜尋「數字辨識、手寫數字辨識(handwritten number/numeral recognition)」等關鍵字時會找到相關資料方法稍微分成了三類,分別是:

  • 能最快做出來的方法:OCR (Optical Character Recognition,光學字元辨識)
  • 網路或書籍資料文章等參考資料最多的方法:神經網路 (NN, Neural Network)
  • 其他歸在機器學習裡的方法

一、能最快做出來的方法

昨天提到了,要做一個手寫數字辨識系統可以分成三步驟,考慮輸入輸出形式跟找一個數字辨識方法

所以從能最快做出一個手寫辨識系統的目標來說,第一個想法是有沒有一個數字辨識的套件,當我直接在網路上找一張手寫數字的圖片作為輸入(input),輸出的數字結果(output)直接印(print)在 console 上,就可以預測出我的圖片數字。

這部分會介紹圖片內容轉文字- OCR 這個方法


二、網路或書籍資料文章等參考資料最多的方法

作為這十年來最潮的神經網路,以其實作手寫數字辨識系統的資料非常多,這邊引用知名AI講師-Isaac Lee 李厚均所撰寫並轉載到小李談數智的一段話:

為什麼這幾年人工智慧會突然爆紅?原因有非常的多,但如果單以”技術”的角度來看,這幾年科技的發展剛好滿足了人工智慧的三個基本需求─算法、算力及資料[註1]

在這個部份我們會介紹怎麼利用 Keras 這個機器學習套件/框架,建出簡單的神經網路(NN) - MLP(Multilayer perceptron) 來實作手寫數字辨識系統,說明使用此方法的優缺,並簡單講解可以怎麼調整,及其和其他神經網路的關係,如 CNN(Convolutional Neural Network) 便是在 MLP(=dense layer) 多加卷積層(Convolution Layer)與池化層(Pooling Layer)。過程中也會介紹 MNIST 資料集及相關實作環境。


三、其他歸在機器學習裡的方法

機器學習的方法有很多,因為它就是一個手段方法,為了達成人工智慧的目標。

https://ithelp.ithome.com.tw/upload/images/20220917/20131719OMYUI2uaAv.png
圖片來源:李宏毅老師機器學習課程投影片[註2]

這部分會在前兩部分介紹完介紹,這邊先放一張 Microsoft 協助你去選擇適合的方法演算法的路徑圖,由於數字辨識是一個分類問題,所以可以看右上角提供的一些跟分類有關的方法,如邏輯回歸(logistic regression)、多層神經網路(Neural Network)跟決策樹(decision tree)等

ps. 可能有人會問不是預測一個數值,為什麼不是看左下角回歸的部分?回歸問題跟分類問題其實不大一樣,回歸看的是變數之間的關係(相關、相關方向與強度),也可以說是目標與預測數值的關係,顯然的數字辨識並不是要讓機器看我的手寫數字跟預測數字的關係,而是讓機器學會去分類我的手寫數字到底是 0~9 哪一類,達到預測結果。只是在實務上我們常會將回歸問題與分類問題互相轉換,譬如說預測年齡問題,轉成年齡段分類問題。至於回歸與邏輯回歸的關係我們後面會講到。

https://ithelp.ithome.com.tw/upload/images/20220917/20131719bNumG37sSZ.png
圖片來源:https://docs.microsoft.com/zh-tw/azure/machine-learning/algorithm-cheat-sheet

 
接下來我們就先從用 OCR 來快速實作看看手寫辨識系統是什麼吧!

[註1]【AI 人工智慧】人工智慧為什麼會爆紅?
[註2] ML Lecture 0-1: Introduction of Machine Learning(2017)


上一篇
[DAY2] 什麼是手寫數字辨識系統?需求與處理流程介紹
下一篇
[DAY4] 使用 OCR 來快速實做出手寫數字辨識系統
系列文
機器學習的 hello world - 用手寫數字辨識系統學習 ML 的 30 天30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言