この手書き文字認識デモは数字を含む文字を識別できます。 このデモの一般的なユース･ケースはスマートウォッチで、特定のコマンド（チャット、通話、メールなど）の作成やテキスト･メッセージの高速入力が可能になります。 また、スマート機器との対話方法として使用することもできます。
アプローチ
この手書き文字認識デモは、STM32L562E-DKディスカバリ･キットに搭載された小型タッチスクリーン（スマートウォッチ）で、手書きの文字や数字を認識します。
- タッチスクリーンを画像としてキャプチャし、ニューラル･ネットワーク（NN）で分類します。
- 各文字を特定のコマンドの構成要素として認識します。
- このデモは、STM32L562E-DKディスカバリ･キットで各文字のNN推論時間に基づいて動作します。
モデルは、STM32 Model zooを使用して再学習可能です。
センサ
このデモでは、ユーザの入力としてタッチスクリーンを使用します。
Model zooを使用してカメラ･モジュール･バンドル（リファレンス･ボード：B-CAMS-OMV）をテストできます。
データ
データセット：
STM32 Model zooでは、モデルはEMNISTデータセットのサブセット･バージョンで学習されています。
この実験では、EMNIST ByClassデータセットのMatLabバージョンから数字クラス[0;9]と大文字英字[A-Z]のみを使用しました。
また、STボードのタッチスクリーンでキャプチャした画像でデータセットを拡充しました。
データフォーマット：
データセットは以下の要素で構成されています。
- A～Zの大文字英字
- 0～9の数字
データセットには、バランスの取れた36クラスで編成された28 x 28ピクセルのグレースケール画像が含まれています。
結果
モデル：ST MNIST
入力サイズ：28 x 28 x 1
メモリ･フットプリント：
浮動小数点モデル：
使用Flashメモリ：38KB（重みデータ）
使用RAM：30KB（アクティベーション･バッファ）
量子化モデル：
使用Flashメモリ：10KB（重みデータ）
使用RAM：14KB（アクティベーション･バッファ）
精度：
浮動小数点モデル：93.48%
量子化モデル：93.39%
性能（STM32L562E @ 110MHz使用時）
浮動小数点モデル：
推論時間：83ms
フレームレート：12fps
量子化モデル：
推論時間：29ms
フレームレート：34fps
