https://github.com/jtavara23/Reconocedor_De_Numeros

Reconocedor De Numeros Manuscritos usando Machine Learning - Redes Neuronales Convolucionales

1. Introduccion

2. Cargar los Datos
   2.1 Dividir conjunto de entrenamiento y evaluacion
   2.2 Procesar los Datos
   

3. Red Convolucional
   3.1 Conceptos Basicos
   3.2 Construccion de La Red Convolucional

4. Entrenamiento y Evaluacion de la Red Convolucional

Introduccion

Si se desea aplicar el redes neuronales para el reconocimiento de imágenes, las redes neuronales convolucionales (CNN) es el camino a seguir. Ha estado barriendo el tablero en competiciones por los últimos años, pero quizás su primer gran éxito vino en los últimos 90's cuando Yann LeCun lo utilizó para resolver MNIST con el 99.5% de exactitud.
Usando una red simple totalmente conectada (sin convolución) se podria alcanzar el 90-95%, lo cual no es muy buen resultado en este conjunto de datos. En contraste, la implementacion hecha en este proyecto es casi el estado del arte,llegando a obtener un 99.25% de acierto
La implementacion de este proyecto se realizó en el lenguaje Python.
Para la implementacion de la CNN se utilizó Tensorflow, debido a que la implementacion de una CNN desde cero toma mucho tiempo, existen diversas librerias que ayudan a realizar esta tarea. (http://deeplearning.net/software_links/)
Para el proceso de procesamiento de imagenes se utilizo la libreria OpenCV.