获得最先进的手写数字分类器的最简单方法是什么？

Question

我正在开发一个涉及OCR手写数字的项目，该项目使用典型的预处理 - 分段识别管道。我通过调整OpenCV的一些标准算法来完成我的特定任务，手动完成了前两个阶段。对于第三阶段（识别），我想使用现成的分类器。

首先我尝试了Tesseract，但它是really bad。所以我开始研究MNIST的进展情况。由于它的受欢迎程度，我希望很容易得到一个很好的高品质分类器。事实上，最高回答here建议使用HOG+SVM串联，这可以方便地在this OpenCV sample中实施。不幸的是，它并不像我希望的那样好。它让0的{​​{1}}混淆了（我的眼睛显然知道它实际上是8），这对于我的算法犯了很多错误。

以下是0：

所犯错误的一些示例

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），中间行是这些数字偏斜，尺寸标准化和居中，底线是{{1}的输出}。

我尝试通过在HOG+SVM之后应用HOG+SVM分类器来解决此0-8错误（如果kNN输出HOG+SVM运行{{1}然后返回它的输出），但结果是一样的。

然后我尝试调整声称达到0.45％HOG+SVM测试错误的this pylearn2 sample。但是，在用8花了一个星期后，我无法使其发挥作用。它keeps crashing randomly all the time，即使在运行this image的kNN MNIST实例中也是无效的环境（我甚至不提我自己的机器）。

我知道pylearn2的存在，但我还没有尝试过。

设置高精度（例如，MNIST测试错误<1％）手写数字分类器最简单的方法是什么？优选地，不需要Amazon EC2卡运行的卡。据我了解，g2.2xlarge（因为它严重依赖于Caffe）。 NVIDIA界面以及在pylearn2上运行的能力将是一个令人愉快的奖励。

注意：我无法创建新的cuda-convnet代码，因为我没有足够的声誉，但肯定应该在那里。

Answer 1

在MINST数据库的网页中，您可以在底部找到最先进方法的基准，并附上他们论文的链接：

http://yann.lecun.com/exdb/mnist/

该表的最后一个条目具有最佳结果，误差为0.23％（相当令人印象深刻）。

简短回答：没有easy方式来实现最先进的速率，除非您可以接受2-5％的错误（然后使用sklearn）或者您在线找到代码。

Answer 2

如果你还没有做过，请继续尝试caffe。 它比cuda-convnet更容易编译，它不依赖于cuda（虽然它可以大大加快速度）并且它有一个使用Lenet算法的mnist的例子。

看这里： https://github.com/BVLC/caffe/tree/dev/examples/mnist