我正在从事一个涉及 OCR 手写数字的项目，该项目使用典型的预处理-分割-识别管道。我通过OpenCV针对我的特定任务调整一些标准算法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，但它真的很糟糕。所以我开始调查MNIST. 由于它很受欢迎，我希望很容易获得一个好的高质量分类器。实际上，这里的最佳答案建议使用HOG+SVM串联，这在此OpenCV示例中很方便地实现。不幸的是，它没有我希望的那么好。它一直在混淆0's for 8's （我的眼睛很明显它实际上是 a 0），这是迄今为止我的算法所犯错误最多的原因。
以下是一些错误示例HOG+SVM：
最上面一行是从图像中提取的原始数字（不存在更高分辨率的图像），中间一行是这些经过去偏斜、尺寸归一化和居中的数字，下面一行是HOG+SVM.
我尝试通过在之后应用分类器来热修复此0-8错误（如果输出运行并返回其输出），但结果是相同的。kNNHOG+SVMHOG+SVM8kNN
然后我尝试调整这个pylearn2声称达到 0.45%MNIST测试误差的样本。然而，在花了一个星期的时间后，pylearn2我无法让它工作。它一直在随机崩溃，即使在像运行此图像Amazon EC2 g2.2xlarge的实例一样无菌的环境中（我什至没有提到我自己的机器）。
我知道 的存在Caffe，但我没有尝试过。
设置高精度（例如，MNIST 测试误差 <1%）手写数字分类器的最简单方法是什么？最好是不需要NVIDIA卡即可运行的。据我了解，pylearn2（因为它严重依赖cuda-convnet）确实如此。Python界面和运行能力将是一个Windows令人愉快的奖励。
注意：我无法创建新pylearn2标签，因为我没有足够的声誉，但它肯定应该在那里。