Python 获取最先进的手写数字分类器的最简单方法是什么？

我正在从事一个涉及OCR识别手写数字的项目，该项目使用典型的预处理分割识别管道。我通过调整

OpenCV

中针对特定任务的一些标准算法，手动完成了前两个阶段。对于第三阶段（识别），我想使用一个现成的分类器

首先我试过Tesseract，但它是。所以我开始研究

MNIST

的进展情况。由于它的流行性，我希望很容易得到一个好的高质量分类器。事实上，上面的答案建议使用

HOG+SVM

tandem，它可以方便地在中实现。不幸的是，它没有我希望的那么好。它总是把

0

与

8

混淆起来（在我看来，它实际上是一个

0

），这是迄今为止我的算法所犯错误最多的原因

以下是一些由

HOG+SVM

产生的错误示例：

顶行是从图像中提取的原始数字（不存在更高分辨率的图像），中间行是这些数字的倾斜、大小规格化和居中，底行是

HOG+SVM

的输出

我试图通过在

HOG+SVM

之后应用

kNN

分类器热修复这个

0-8

错误（如果

HOG+SVM

输出一个

8

运行

kNN

并返回其输出），但结果是相同的

然后我试着调整它，以达到0.45%

MNIST

testerror。然而，在与pylearn2一起度过一周后，我无法让它工作。它，即使是在像AmazonEC2这样的无菌环境中运行（我甚至没有提到我自己的机器）

我知道咖啡馆的存在，但我还没有尝试过

---

在MINST数据库的网页底部，您可以找到最先进方法的基准，并链接到他们的论文，最简单的方法是什么来设置高精度（例如，MNIST测试错误

表的最后一个条目的结果最好，误差为0.23%（非常令人印象深刻）

---

简短回答：要达到最先进的费率，没有简单的方法，除非您可以接受2-5%的错误（然后使用sklearn），或者您可以在网上找到代码。

如果您还没有这样做，请继续尝试caffe。 它比cuda convnet更容易编译，它不依赖cuda（尽管它大大加快了速度），并且它有一个使用Lenet算法的mnist示例

看这里：

---

我当然知道。问题是，顶级结果使用（似乎）cuda convnet的一个分支，几乎不可能编译。其他接近顶端的都是论文。我要求一个我可以编译和运行的解决方案。正如我所说，

Pyrearn2

声称达到了0.45%，但根本不起作用。你可以接受的错误率是多少？我可以建议你一些方法他取决于你的错误阈值根据粗略估计，