畸变噪声60×28手写数字识别：自定义数据集与模型构建求助

• 数据清洗与标注
  • 先对原始图像做基础预处理：用阈值分割（比如Otsu二值化）分离数字与背景噪声，针对绿笔圈注、铅笔标记，可尝试颜色通道分离（提取灰度通道后过滤特定颜色的干扰像素），再通过形态学操作（开运算、闭运算）去除小噪声点。
  • 统一图像尺寸：将60×28的样本调整为模型适配的尺寸，比如缩放至28×28时要注意保持数字比例，避免拉伸畸变；也可以保留60×28的输入维度，后续模型输入层对应调整。
  • 手动标注要精准：对每一张预处理后的图像标注真实数字，标注时需覆盖所有畸变场景（划掉、圈注、不同手写风格的数字），标注样本量建议至少数千级，保证每个数字类别下的畸变样本分布均匀。
• 数据增强扩充
  • 针对现有畸变特征做定向增强：随机添加模拟的划线条、圈注框、铅笔淡色标记；随机调整图像的亮度、对比度，模拟不同扫描/拍摄环境的噪声。
  • 通用增强手段：随机平移、轻微旋转（±10度内）、镜像翻转（数字6、9需注意单独处理），进一步扩充数据集，提升模型泛化能力。
• 数据集划分
  • 按照7:2:1的比例划分为训练集、验证集、测试集，确保每个集合内都包含各类畸变样本，避免数据集偏差。

• 输入层设计
  • 如果保留60×28的原始尺寸，输入层设置为(60, 28, 1)（灰度图像）；若缩放至28×28，则输入层为(28, 28, 1)。
• 特征提取模块
  • 采用卷积神经网络（CNN）做核心特征提取：
    • 第一层用3×3的卷积核，数量16，激活函数选ReLU，搭配2×2的最大池化层，初步提取边缘、轮廓特征。
    • 第二层用3×3的卷积核，数量32，激活函数ReLU，再做一次池化，捕捉更复杂的纹理特征（比如划掉的线条、圈注的轮廓）。
    • 可加入Dropout层（ dropout rate设为0.2~0.3），防止模型过拟合。
  • 若对全连接网络更熟悉，也可在卷积层后接入2~3层全连接层，神经元数量从128递减至64，最后输出10类（对应数字0-9）。
• 输出与损失函数
  • 输出层用Softmax激活函数，对应10个类别概率。
  • 损失函数选用交叉熵损失（Categorical Crossentropy或Sparse Categorical Crossentropy，根据标注格式选择）。
• 训练策略
  • 优化器选Adam，初始学习率设为0.001，训练过程中可根据验证集准确率动态调整学习率（比如验证集准确率连续3个epoch不提升时，学习率减半）。
  • 训练轮次（epoch）设置为20~50，每轮结束后用验证集评估，及时停止过拟合的训练。
• 模型微调与优化
  • 训练完成后，用测试集的畸变样本做错误分析：统计哪些数字（比如容易被划掉的3、8）识别准确率低，针对性补充对应类别的畸变样本，重新微调模型。
  • 可尝试加入注意力机制（比如通道注意力模块），让模型自动聚焦数字主体区域，忽略圈注、划掉的干扰信息。

内容的提问来源于stack exchange，提问作者sampath sai charan