چکیده: دسته‌بندی و تشخیص اعداد دست‌نویس فارسی، یک فرایند کلیدی است و به‌عنوان اولین و مهم‌ترین قدم، در بسیاری از کاربردها در حوزه بینایی ماشین و پردازش تصویر مورداستفاده قرار می‌گیرد از جمله سیستم پست (دسته‌بندی نامه‌ها بر اساس کد پستی)، سیستم بانکی (آنالیز برگه چک) و احراز هویت. باتوجه‌به ساختار غیریکسان و ناهماهنگ در نگارش اعداد و نیز استفاده از وسایل تصویربرداری متفاوت دسته‌بندی اعداد دست‌نویس همیشه یک مسئله چالش‌برانگیز بوده است. برخی از روش‌های دسته‌بندی موجود، نیمه‌خودکار بوده و به عامل انسانی وابسته هستند. در سال‌های اخیر، شبکه‌های مبتنی بر یادگیری عمیق در دسته‌بندی تصاویر متون، به عملکرد پیشرفته‌ای دست یافته‌اند. تشخیص اعداد دست‌نویس با استفاده از شبکه‌های عصبی عمیق یک وظیفه مهم در زمینه بینایی ماشین است. برای تشخیص اعداد دست‌نویس، معمولاً از شبکه‌های عصبی کانولوشنی استفاده می‌شود. در روش پیشنهادی این پایان‌نامه، ابتدا چندین روش متفاوت به بوته آزمایش گذاشته می‌شود و با تجمیع تمام تجارب شبکه عمیقی ابتکاری پیشنهاد و ابداع می‌شود که در آن سعی شده با حداقل لایه ممکن بهترین نتیجه اخذ گردد. شبکه موجود با تعداد 50 تکرار توانست دقتی در حدود ۹۹.۴۴ درصد را کسب نمایید که بالاترین نتیجه موجود را 44 صدم درصد بهبود داد.