我们已经开发了这样的系统用于神经网络系统中，但有一个额外的难点，就是如何让系统自己发现数字识别的位置。本公司研发的该系统由两个神经网络组成，第一个是预测纸上数字所处位置（位置识别模型），第二个检测在每一个先前检测到的位置上的从0到9的具体数字（数字识别模型）。

在设计这两个模型时，我们的目标是尽可能在最小巧的结构中实现最精确的结果,以使其可以运行在Raspberry Pi这样成本低廉的个人计算机中。关于数字识别模型，我们设定了50000个参数的神经网络来构筑AI系统。在本公司的研发过程中，如果不考虑模型的结构大小，其最好的试验结果是，数字识别精确率在99.89%以上。此次，我们开发的模型的识别精确率是98.7%。虽然并非本公司研发的最优结果，但是其最大的特点是拥有非常小的结构网络。

数字识别模型是由标准的卷积层神经网络CNN系统构成，但位置识别系统是在卷积层后加入了放大图像的上采样层。因此通过该上采样层，可以对数字位置进行逐像素为单位的预测。位置识别模型由180000个参数组成，该模型的验证准确率在97%以上。此位置识别系统基于纸张上的数字检测位置，从被输入的图像中产生各个数字的图像补丁，然后将每个图像补丁输入到数字识别模型中。

我们认为该系统最有趣的功能之一是在这个位置模型中，以及从图像中进行像素预测的能力。利用卷积神经网络进行像素预测是一种在处理计算机视觉问题时可以推广的技术。例如，我们目前正在研究单眼摄像头进行深度预测图像的可行性，而像素预测是本研究的关键技术。

这个系统的另一个有趣的特性是它在模型大小和精度之间的平衡。因为我们的模型很小，所以不需要太多内存，可以用在廉价的计算机上，比如Raspberry Pi。