EMNIST：探究CNN与RCNN在EMNIST数据集分类中的有效性项目

简介：
本项目旨在通过EMNIST数据集评估卷积神经网络(CNN)和递归卷积神经网络(RCNN)在手写字符识别任务中的性能，以探索不同模型的有效性。 恩尼斯项目由@coopss开发，旨在探索卷积神经网络（CNN）的特性，并了解它们与递归卷积神经网络（RCNN）之间的比较。该项目受到相关文献启发，这些文献详细介绍了RCNN在对象识别中的效果以及其参数相对较少的特点。除了研究CNN和RCNN的有效性之外，我还建立了一个简单的接口来测试更具挑战性的数据集。 当前实施的多栈CNN Web小程序适用于触摸屏设备，在字母占据画布大部分时表现最佳。项目能够读取.mat文件，并正在对训练过程进行改进（直接下载链接）。此外，计划用新的webapp更新gif、训练更多模型以及优化神经网络超参数等任务也在规划之中。 在输入层中添加噪声（如高斯或类似）也是一种考虑的方案。