基于R语言用MNIST训练的深度网络可识别手写数字序列吗？（第一部分）

直接使用仅在MNIST数据集上训练的普通单数字分类深度网络，无法直接识别连续手写数字序列，原因和可行方案如下：

• MNIST数据集的所有训练样本均为仅包含单个居中手写数字、尺寸统一为28×28像素、背景无干扰的单类别图像，对应训练出的模型默认只能输出1个0-9的分类结果，不支持多数字的直接输出。
• 若要识别这类连续手写数字序列，可通过两步处理实现：
  1. 先做数字分割：将序列图像中的每个独立数字逐个裁切出来，统一调整为和MNIST样本一致的尺寸、居中对齐、归一化的格式
  2. 再将裁切好的单数字图像依次输入MNIST训练的分类模型，将每个样本的识别结果拼接后即可得到完整的序列识别结果

你给出的Windows画图手写数字样例如下：

该样例数字间距清晰、无连笔、背景干净，只要分割操作准确，MNIST训练的模型可以得到较高的识别准确率。如果遇到数字连笔、重叠、倾斜严重的情况，分割步骤会先出现误差，后续识别准确率也会大幅下降。
如果需要实现端到端的无分割序列识别，可采用CRNN+CTC损失的序列识别模型范式，不需要提前对单个数字做裁切处理，识别效率和鲁棒性也更高。

内容的提问来源于stack exchange，提问作者Farshid Owrang