手写数字识别mnist测试集上正确率很高，自己写的数字识别很差

手写数字识别mnist测试集上正确率很高，为什么自己用画图软件写的28x28像素的数字识别很差

15 个解决方案

#1

你调试参数是按照mnist来的，哈哈
我猜测

#2

引用 1楼shiter 的回复:

你调试参数是按照mnist来的，哈哈
我猜测

对呀，用的mnist训练集训练的，60000个样本训练好了自己写的数字识别不出来？

#3

图片格式有误，我猜。

#4

用什么方法识别? 深度学习?

#5

引用 3楼赵4老师 的回复:

图片格式有误，我猜。

图片已经转化成28×28矩阵了呀

#6

引用 4楼ssbqrm 的回复:

用什么方法识别? 深度学习?

传统BP和cnn都对自己的手写数字识别不好，不知道为什么

#7

引用 6 楼 weixin_38256708 的回复:

Quote: 引用 4楼ssbqrm 的回复:

用什么方法识别? 深度学习?

传统BP和cnn都对自己的手写数字识别不好，不知道为什么

1) CNN的话,有没有加个dropout层,有dropout层应该会增加一定的泛化能力
2) 图像有没有留一定像素的白边, 我测试的时候发现留一定的白边会提高一些识别率
3) Mnist的是外国人的手写体,可能你测试的是中国人的 有些不一样,导致识别率不高,这个只能从增加样本入手

#8

朋友，你有代码吗？可以给我分享一下吗

#9

我用caffe下mnist的例子也试了下，训练和测试都正常，但用自己手写的数字时只有80%左右的正确率。手写的数字保存的是28*28的黑底白字的bmp文件。识别就是调用caffe\python\classify.py。不知为何。

#10

楼主可否分享代码，万分感谢。邮箱[e-mail]

#11

谁有代码能不能给我发一份，跪求~谢谢~

#12

忘了邮箱了，[e-mail]

#13

楼主解决了吗，我也遇到了这个问题

#14

训练样本是手写的，训练集的数据带有明显的手写特征，即中间骨架颜色深，旁边浅，呈现山峰状，而用画板写的数字特征分布是平面式的，没有这种特征，再加上用的训练网络过拟合能力强，过分拟合了这种山峰特征，当然就不能识别用画板写的平面式数字啦

#15

我的自定义测试数据集650个数字平均分布在0~9中，目前测试正确率最好也就80%左右。如何破~~~