这是Stanford，Mobile Computer Vision课程的一个final report
简介
使用DeepBeliefSDK和opencv等工具，使用ConVNet模型做了一个Android APP。功能是能够从一张图中识别0-9几个数字。因为在移动设备上，设备的运算速度和memory都受到了限制，所以作者设计了一个简单的卷积网络（两层卷积两层maxpooling），并且使用了batching来加速识别速度。大致方法就是提取每一个digit的patch，分别输入CNN进行识别。使用的训练集是MNIST。
流程
PreProcess： 将图片转换成灰度图，使用Canny进行边缘检测去定位图片中digits的位置，得到bounding boxes。接下来要将图片转换成二值图，首先将bounding boxes外的区域设置为黑色，然后在bounding boxes中，使用下面图中的方程求出threshold，绘出bounding boxes内部的二值图（注意pixels只取bounding boxes内的）。注意，这个app只适用于背景比较干净的场合（比如一张白纸上写几个数字）。
Segment：提取到digits的patch，将图像还原成28 * 28的大小，以满足CNN的输入尺寸要求。
Batching CNN：意思就是：CNN在test的时候，在CPU上，本来是输入一张图片，所以在FC层执行的是vector-matrix 乘法，那么若是先把多张图片经过卷积层得到各自vector，再将vector组合成matrix，然后在FC层执行matrix-matrix操作。因此，run-time得到提升。提升比例见下图：
总的流程图：
源码及文章
文章: 访问密码 ab86
本文系作者原创，转载请先联系作者: 18254275587@163.com