研究基于LeNet-5模型对广播电视发射机入射功率图的区分 被引量：1

1

作者 董少华 《长江信息通信》 2024年第9期86-88,共3页

为解决发射机入射故障隐患排查难题,提出采用LeNet-5模型加强入射功率图数字符号提取,在加强发射机运行监测的基础上,引入人工智能算法实现故障自动诊断和分析。通过设计发射机入射故障诊断系统,利用入射功率图样本数据优化建立系统模型... 为解决发射机入射故障隐患排查难题,提出采用LeNet-5模型加强入射功率图数字符号提取,在加强发射机运行监测的基础上,引入人工智能算法实现故障自动诊断和分析。通过设计发射机入射故障诊断系统,利用入射功率图样本数据优化建立系统模型,能够成功区分偶发性数据偏移和电压飘动,做到准确识别设备故障,为高质量开展设备检修维护工作提供有力技术支撑。 展开更多

关键词 lenet-5模型 广播电视发射机 入射功率图 人工智能 故障诊断

在线阅读 下载PDF 职称材料

基于LeNet-5模型的太阳能电池板缺陷识别分类 被引量：15

2

作者 吴涛 赖菲 《热力发电》 CAS 北大核心 2019年第3期120-125,共6页

太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络... 太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络对太阳能电池板图像进行自动识别分类。利用Tensorflow平台Tensorboard的可视化性能,对经典卷积神经网络Le Net-5模型进行结构改善和超参数的调整,并将改进LeNet-5模型与经典LeNet-5模型和支持向量机的分类结果互相对比,结果表明改进LeNet-5模型的分类效果最优。 展开更多

关键词 太阳能电池板 lenet-5模型 图像分类 卷积神经网络 超参数 Tensorboard

在线阅读 下载PDF 职称材料

基于改进LeNet-5的交通标志识别算法研究 被引量：7

3

作者 褚莹 陶纪宇 凌力 《微型电脑应用》 2019年第9期58-61,共4页

交通标志识别作为自动驾驶系统和驾驶员辅助系统中的重要组成部分,对行车安全有着直接的影响。以真实场景下采集的比利时交通标志数据集为研究对象,通过对交通标志图像特点的研究,对轻量级经典卷积神经网络Lenet-5进行四大改进,包括为... 交通标志识别作为自动驾驶系统和驾驶员辅助系统中的重要组成部分,对行车安全有着直接的影响。以真实场景下采集的比利时交通标志数据集为研究对象,通过对交通标志图像特点的研究,对轻量级经典卷积神经网络Lenet-5进行四大改进,包括为适应交通标志图像进行的基础结构调整、提升数据集平衡性的数据增广、加入改善过拟合的Dropout策略以及加入批量归一化层。实验结果表明,由此得到的TSRCNN模型能够有效提取交通标志的特征,在比利时交通标志数据集上识别准确率达98.56%。 展开更多

关键词 交通标志识别 卷积神经网络 lenet网络模型

在线阅读 下载PDF 职称材料

基于改进LeNet-5模型的木材表面典型缺陷识别方法研究 被引量：7

4

作者 张赛 王应彪 +1 位作者 杨谭 李明 《木材科学与技术》 北大核心 2021年第6期31-37,共7页

针对传统木材缺陷识别方法效率低、精度不高及泛化能力差等问题,对传统LeNet-5模型进行改进:通过分别增加卷积层和池化层的层数至4层,以增加网络深度;采用批量归一化算法,以解决内部协变量位移过拟合的问题;改用Leaky Relu函数作为激活... 针对传统木材缺陷识别方法效率低、精度不高及泛化能力差等问题,对传统LeNet-5模型进行改进:通过分别增加卷积层和池化层的层数至4层,以增加网络深度;采用批量归一化算法,以解决内部协变量位移过拟合的问题;改用Leaky Relu函数作为激活函数,并加入稀疏分类交叉熵作为损失函数,使用Adam作为优化器,来优化网络模型。应用改进LeNet-5模型对辐射松木材常见缺陷(结疤、裂痕)及无缺陷样本集进行识别试验,结果表明:相对于传统LeNet-5模型以及VGG19、AlexNet、ResNet-50三种经典模型,改进LeNet-5模型的训练集准确率最高为99.87%、验证集为99.43%,运算时间缩短,木材缺陷识别精度和效率提高。 展开更多

关键词 木材缺陷检测 改进lenet-5模型 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

基于LeNet-5模型的手写数字识别优化方法 被引量：12

5

作者 汪雅琴 夏春蕾 戴曙光 《计算机与数字工程》 2019年第12期3177-3181,共5页

作为深度前馈人工神经网络的一种,卷积神经网络在图像识别领域得到了成功应用。其中,最经典的卷积神经网络模型就是LeNet-5模型。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次... 作为深度前馈人工神经网络的一种,卷积神经网络在图像识别领域得到了成功应用。其中,最经典的卷积神经网络模型就是LeNet-5模型。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式。优化后的训练方式能够减少预处理工作量,加快识别速度。实验结果表明:在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更高的识别率。 展开更多

关键词 图像识别 卷积神经网络 lenet-5模型 MNIST字符库 手写数字识别

在线阅读 下载PDF 职称材料

基于改进LeNet-5模型的手写数字识别 被引量：19

6

作者 邓长银 张杰 《信息通信》 2018年第1期109-112,共4页

在卷积神经网络的基础上改进了LeNet-5模型,建立了更适合于手写数字识别的神经网络模型,并对改进后的模型及网络训练识别过程进行了详细介绍。将改进后的模型用MNIST字符数据库进行验证,分析了不同卷积层特征图数量、每批次训练数等参... 在卷积神经网络的基础上改进了LeNet-5模型,建立了更适合于手写数字识别的神经网络模型,并对改进后的模型及网络训练识别过程进行了详细介绍。将改进后的模型用MNIST字符数据库进行验证,分析了不同卷积层特征图数量、每批次训练数等参数对最终识别性能的影响,并与几种常用识别方法进行比对。通过结果可看出,改进后的新型网络结构简单,识别度高,识别速度快,具有鲁棒性好,泛化能力强等优点。说明改进后的神经网络模型对手手写数字具有很好的识别性能,能满足实际应用需求。 展开更多

关键词 深度学习 卷积神经网络 lenet-5模型 手写数字 识别性能

在线阅读 下载PDF 职称材料

基于LeNet-5的编组站站内机车车号识别系统的研究 被引量：5

7

作者 李瑞辰 姚宇峰 蒋元华 《铁路计算机应用》 2019年第9期16-20,共5页

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训... 编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。 展开更多

关键词 机车车号识别 lenet-5 图像预处理 模型训练 卷积

在线阅读 下载PDF 职称材料

基于改进LeNet-5的压印字符识别 被引量：2

8

作者 汪志成 何坚强 +1 位作者 翁嘉鑫 苗荣 《计算机仿真》 北大核心 2022年第2期441-446,共6页

针对传统的图像识别算法在压印字符识别领域存在识别精度低、速度较慢的问题,提出了一种基于LeNet-5压印字符识别方法。与传统的LeNet-5不同,在文中网络各卷积层中采用小尺寸卷积核,以提取更多的特征并加快模型的训练速度;使用Inceptio... 针对传统的图像识别算法在压印字符识别领域存在识别精度低、速度较慢的问题,提出了一种基于LeNet-5压印字符识别方法。与传统的LeNet-5不同,在文中网络各卷积层中采用小尺寸卷积核,以提取更多的特征并加快模型的训练速度;使用InceptionV2卷积模块取代C5全连接层,可加深网络宽度,从而提高网络的识别精度;放弃全连接层F6,改用全局平均池化层,并且选用性能优越的Relu函数作为激活函数,以便减少训练参数,提高网络的训练速度。通过实验发现,文中模型的识别精度达到98.57%,与传统LeNet-5模型以及BP神经网络相比识别精度分别提高3%和4%,证明文中模型在压印字符的识别上拥有更大的优势。 展开更多

关键词 压印字符识别 改进模型 卷积神经网络 识别精度 收敛速度

在线阅读 下载PDF 职称材料

基于LeNet神经网络的手写数字识别技术研究 被引量：2

9

作者 梅妍玭 廖倩 邵万灵 《新技术新工艺》 2020年第6期51-53,共3页

以机器学习的神经网络算法进行数字的识别,研究卷积神经网络,分析卷积神经网络输入层、卷积层、激励层、池化层和全连接层的原理和作用,对现有卷积神经网络LeNet-5模型进行简要分析。对图像数字的大小格式进行灰度处理,合理设计LeNet-5... 以机器学习的神经网络算法进行数字的识别,研究卷积神经网络,分析卷积神经网络输入层、卷积层、激励层、池化层和全连接层的原理和作用,对现有卷积神经网络LeNet-5模型进行简要分析。对图像数字的大小格式进行灰度处理,合理设计LeNet-5层级结构,进行摄像头图片的特征提取,并对参数进行设置,对向前向后传播方式进行深入了解,并对梯度下降方式进行选取以及分类层的设计;利用OpenMV摄像头模块,基于Phython语言进行了程序设计,对数字识别的试验结果进行分析比对,评估本系统的识别准确度和辨识度等性能指标。 展开更多

关键词 图像识别 卷积神经网络 lenet-5模型 数字识别

在线阅读 下载PDF 职称材料

基于卷积神经网络的燃气表信息自动识别方法研究

10

作者 毛莉君 张文灏 《微型电脑应用》 2024年第2期167-170,共4页

提出了一种基于改进的LeNet-5卷积神经网络的识别方法。通过加装摄像头和通信线路的方式,实时采集图像信息,并对图像进行部分预处理。引入Gabor滤波器、ReLU-Softplus函数、SVM分类器等优化传统LeNet-5模型,并根据图像数据的不均衡性,运... 提出了一种基于改进的LeNet-5卷积神经网络的识别方法。通过加装摄像头和通信线路的方式,实时采集图像信息,并对图像进行部分预处理。引入Gabor滤波器、ReLU-Softplus函数、SVM分类器等优化传统LeNet-5模型,并根据图像数据的不均衡性,运用Grid Loss函数优化CNN网络,由此,实现燃气表自动化识别方法的构建。在Caffe深度学习框架下进行实验测评,结果表明该方法整体的识别准确性高达99.60%、整个样本集及单幅字码的训练总时间均优于其他识别方法,且对于不完整表码字的识别准确率也达到了99.21%。 展开更多

关键词 燃气表信息 自动识别 lenet-5模型 Grid Loss函数

在线阅读 下载PDF 职称材料

高斯建模和卷积神经网络联合的红外视频行人检测方法 被引量：4

11

作者 崔少华 汪徐德 +1 位作者 王江涛 单巍 《电子测量与仪器学报》 CSCD 北大核心 2020年第5期140-148,共9页

针对传统红外视频中存在行人互相遮挡导致无法提取前景目标、检测率较低等问题,提出了高斯背景建模和卷积神经网络联合的红外视频行人检测方法。首先,对于连续序列红外图像,通过混合高斯模型提取前景目标;然后,对于行人互相遮挡的前景目... 针对传统红外视频中存在行人互相遮挡导致无法提取前景目标、检测率较低等问题,提出了高斯背景建模和卷积神经网络联合的红外视频行人检测方法。首先,对于连续序列红外图像,通过混合高斯模型提取前景目标;然后,对于行人互相遮挡的前景目标,以亮度曲线图中的谷底为分割点,通过方向投影分离出单行人目标区域;最后,将确定的感兴趣区域输入训练好的LeNet-7系统。3个不同测试集的检测实验表明,该方法具有良好的检测效果,与传统方法相比,该算法的检测率达到99%以上,虚警率低至0%。 展开更多

关键词 红外视频 图像处理 混合高斯模型 lenet-7系统 检测率

原文传递

基于卷积神经网络的玉米病害识别方法研究 被引量：23

12

作者 王国伟 刘嘉欣 《中国农机化学报》 北大核心 2021年第2期139-145,共7页

为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害... 为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害图像选择训练集和测试集。然后,通过试验组合和对比分析的方法比较不同卷积神经网络结构设置对准确率的影响,选出最佳参数。另外,选用Adam算法代替SGD算法来优化模型,通过指数衰减法调整学习率,将L2正则项添加到交叉熵函数中,并选择Dropout策略和ReLU激励函数。最后,确定了一个10层CNN网络结构。试验结果显示,玉米花叶病、灰斑病、锈病、叶斑病和玉米健康识别率分别为95.83%、90.57%、100%、93.75%、100%,平均识别率达96%,平均计算时间为0.15 s。经试验结果比较,该模型识别效果明显高于传统方法,为玉米病害的防治提供技术支持。 展开更多

关键词 卷积神经网络 玉米图像 lenet模型 病害识别

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的食品异物自动识别方法 被引量：4

13

作者 邓阿琴 胡平霞 《食品与机械》 北大核心 2022年第7期133-137,共5页

目的:提高食品中异物识别速度和精度。方法:在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型,利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果:与传统的模型相比,该... 目的:提高食品中异物识别速度和精度。方法:在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型,利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果:与传统的模型相比,该模型具有更高的检测精度和更快的识别速度,食品异物的识别准确率为99.75%,识别时间仅为0.332 s。结论:建立的饺子图像异物识别模型具有较好的检测速度和识别精度。 展开更多

关键词 食品图像 异物识别 lenet-5网络 CNN模型 饺子图像

在线阅读 下载PDF 职称材料

基于手势识别的智能英语翻译机器人人机交互系统 被引量：13

14

作者 张冠萍 《自动化与仪器仪表》 2022年第10期192-196,共5页

针对传统英语翻译机器人在手势识别中识别准确率低,导致人机交互效果不佳的问题,在传统卷积神经网络Lenet-5网络模型的基础上,对其卷积层、池化层连接层数和连接方式进行改进;然后构建基于改进的Lenet-5神经网络的手势识别模型,并通过... 针对传统英语翻译机器人在手势识别中识别准确率低,导致人机交互效果不佳的问题,在传统卷积神经网络Lenet-5网络模型的基础上,对其卷积层、池化层连接层数和连接方式进行改进;然后构建基于改进的Lenet-5神经网络的手势识别模型,并通过损失函数和指数衰减、Adam算法和归一化算法分别对模型进行训练,以降低模型梯度,提升手势识别速度和精度。实验结果表明,提出算法的手势识别准确率高达99.6%,分别高出传统的Lenet-5网络模型和SVM分类7%和6.5%,且将本算法应用到英语翻译机器人的交互中发现,该机器人能够实现手势识别,智能交互能力显著提升。由此证明,提出的方法能够提升手势识别准确率和人机交互效果,可在智能英语翻译机器人中进行应用和推广。 展开更多

关键词 手势识别 翻译机器人 lenet-5网络模型 人机交互 优化算法

原文传递

基于柔性薄膜阵列压力传感器的抱闸故障诊断 被引量：3

15

作者 皮瑶 刘惠康 李倩 《高技术通讯》 CAS 2021年第8期836-843,共8页

抱闸制动装置广泛应用于工业提升装置、民用曳引式电梯,针对抱闸制动器的运行状态监测和故障诊断,本文提出一种基于柔性薄膜阵列压力传感器的故障诊断方法,运用卷积神经网络(CNN)对传感器的数据进行处理达到故障诊断的目的。本文在LeNet... 抱闸制动装置广泛应用于工业提升装置、民用曳引式电梯,针对抱闸制动器的运行状态监测和故障诊断,本文提出一种基于柔性薄膜阵列压力传感器的故障诊断方法,运用卷积神经网络(CNN)对传感器的数据进行处理达到故障诊断的目的。本文在LeNet5模型的基础上引入跨连接部分,将网络结构中提取的低层次特征与高层次特征相结合,经过全连接层达到多分类的目的。通过训练来自柔性薄膜阵列压力传感器的实验数据,该模型实现了4种基本抱闸故障和正常状态的自动识别。实验结果表明,改进的LeNet卷积神经网络模型在抱闸故障诊断上的检测正确率达到99.19%,该模型在同一训练数据集上的表现明显优于传统的LeNet5模型。 展开更多

关键词 柔性薄膜阵列压力传感器 lenet模型 跨连接 抱闸制动器 故障诊断

在线阅读 下载PDF 职称材料

基于AdaBoost与改进CNN的驾驶员愤怒情绪识别 被引量：6

16

作者 于祥阁 张敬磊 +2 位作者 孙龙祥 王云 盖姣云 《中国科技论文》 CAS 北大核心 2022年第2期203-211,共9页

针对驾驶员愤怒驾驶引发的道路交通安全问题,提出一种基于AdaBoost与改进卷积神经网络(convolutional neural networks,CNN)的驾驶员愤怒情绪识别模型。利用AdaBoost算法检测驾驶员人脸并采集面部表情数据,建立基于驾驶员情绪的表情数... 针对驾驶员愤怒驾驶引发的道路交通安全问题,提出一种基于AdaBoost与改进卷积神经网络(convolutional neural networks,CNN)的驾驶员愤怒情绪识别模型。利用AdaBoost算法检测驾驶员人脸并采集面部表情数据,建立基于驾驶员情绪的表情数据集。针对CNN中LeNet模型的不足,提出改进方案,搭建改进LeNet模型。利用数据集对LeNet模型和改进LeNet模型进行训练,并对二者的辨识结果进行对比分析。结果表明,改进LeNet模型的正确率为95.83%,F1-Score为0.8837,损失值为0.0745,相较于LeNet模型而言,该模型对于驾驶员表情的识别性能更高。改进LeNet模型的高识别率能够在一定程度上降低愤怒情绪所带来的交通安全隐患,为辅助安全驾驶提供理论依据,进一步提高人机共驾的安全性。 展开更多

关键词 交通安全 卷积神经网络 lenet模型 正确率 损失值

在线阅读 下载PDF 职称材料

混合样本训练方式的手写数字识别 被引量：3

17

作者 汪雅琴 夏春蕾 戴曙光 《电子测量技术》 2018年第18期52-56,共5页

近年来,图像识别技术被应用在通信、军事、公安侦测、生物医学等众多领域,而LeNet-5模型作为卷积神经网络模型的典型代表受到广泛青睐。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定... 近年来,图像识别技术被应用在通信、军事、公安侦测、生物医学等众多领域,而LeNet-5模型作为卷积神经网络模型的典型代表受到广泛青睐。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式。优化后的训练方式能够减少预处理工作量,加快识别速度。通过实验可知,在相同的训练时间内,分别采用传统样本训练方式和混合样本训练方式,识别率可以提高0.15%左右;改变混合样本的组合方式,识别率也会不断改变,甚至相差0.18%。实验结果表明在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更低的测试错误率,即更高的识别率。 展开更多

关键词 图像识别技术 lenet-5模型 卷积神经网络 MNIST字符库

原文传递

基于卷积神经网络的藏文手写数字和字母识别研究 被引量：8

18

作者 周毛克 才让先木 +1 位作者 龙从军 闫晓东 《青海师范大学学报（自然科学版）》 2019年第4期34-39,共6页

在文字识别领域中,手写体识别比印刷体识别更具挑战性.藏文手写体识别已经成为重要的研究课题之一.本文提出了一种基于卷积神经网络LeNet-5模型的藏文手写数字和字母识别方法.分别采集藏文数字手写体样本和字母手写体样本17768和77636例... 在文字识别领域中,手写体识别比印刷体识别更具挑战性.藏文手写体识别已经成为重要的研究课题之一.本文提出了一种基于卷积神经网络LeNet-5模型的藏文手写数字和字母识别方法.分别采集藏文数字手写体样本和字母手写体样本17768和77636例,并对其进行预处理;然后按8∶2划分成训练集和测试集,并在CNN(LeNet-5)模型上进行训练.经过测试,数字和字母识别准确率分别达到98.81%和97.89%. 展开更多

关键词 文字识别 卷积神经网络 藏文手写数字字母 lenet-5模型

在线阅读 下载PDF 职称材料

基于深度学习的手写数字图像识别模型研究及其浏览器服务平台搭建 被引量：5

19

作者 黄瀚宇 陈焯辉 +3 位作者 肖梓勤 王达灏 王业哲 赵志红 《科学技术创新》 2022年第1期97-100,共4页

为制作手写数字图像数据集,使用OpenCV图像识别技术来分割表格并提取网格图片。对收集的100份手写数字表格,进行表格识别与去除,再对去除表格后的图像进行分割,得到10000张28×28的手写数字图像,作为数据集。用LeNet-5模型网络检测... 为制作手写数字图像数据集,使用OpenCV图像识别技术来分割表格并提取网格图片。对收集的100份手写数字表格,进行表格识别与去除,再对去除表格后的图像进行分割,得到10000张28×28的手写数字图像,作为数据集。用LeNet-5模型网络检测数据集的数据质量优劣情况,得出自制数据集的测试集得分为98.30%,并从混淆矩阵与分类报告输出结果中发现,数据集是可用的。使用HTML构建网站,Flask框架来实现网站,最后使用内网穿透实现用户对网站的访问。 展开更多

关键词 手写数字图像 OpenCV技术 lenet-5模型 内网穿透

在线阅读 下载PDF 职称材料

基于深度学习的交通标志识别技术研究 被引量：2

20

作者 高铭悦 董全德 《兰州文理学院学报（自然科学版）》 2020年第3期93-97,共5页

目前人工智能在自动驾驶中得到大量的应用,深度学习是实现人工智能的技术之一,尤其是深度学习中的卷积神经网络擅长处理图像分类、图像识别、目标分割和检测等方面的问题,本次实验对卷积神经网络的LeNet-5模型进行改进,以提高对GTSRB数... 目前人工智能在自动驾驶中得到大量的应用,深度学习是实现人工智能的技术之一,尤其是深度学习中的卷积神经网络擅长处理图像分类、图像识别、目标分割和检测等方面的问题,本次实验对卷积神经网络的LeNet-5模型进行改进,以提高对GTSRB数据库中交通标识的识别率.实验结果表明,改进模型比标准模型的识别率提高了0.24%,并验证了算法的可行性. 展开更多

关键词 深度学习 交通识别 lenet-5模型

在线阅读 下载PDF 职称材料