期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到85篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于卷积神经网络LeNet-5的车牌字符识别研究 被引量：152
1
作者 赵志宏 杨绍普 马增强 《系统仿真学报》 CAS CSCD 北大核心 2010年第3期638-641,共4页
将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-... 将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。 展开更多
关键词 字符识别 车牌识别 卷积神经网络 lenet-5
原文传递
基于改进LeNet-5网络的交通标志识别方法 被引量：13
2
作者 汪贵平 盛广峰 +2 位作者 黄鹤 王会峰 王萍 《科学技术与工程》 北大核心 2018年第34期78-84,共7页
针对传统LeNet-5卷积神经网络用于交通标志等多种类识别任务中,存在识别正确率低、网络容易过拟合以及梯度消失等问题进行改进。引入Inception卷积模块组来提取目标丰富的特征,同时增加网络的深度。引入BN (batch normalization)层对输... 针对传统LeNet-5卷积神经网络用于交通标志等多种类识别任务中,存在识别正确率低、网络容易过拟合以及梯度消失等问题进行改进。引入Inception卷积模块组来提取目标丰富的特征,同时增加网络的深度。引入BN (batch normalization)层对输入批量样本进行规范化处理;同时改用性能更好的Relu激活函数,并使用全局池化层代替全连接层,合理改变卷积核的大小和数目。研究结果表明,改进LeNet-5网络能够有效解决过拟合和梯度消失等问题,具有较好的鲁棒性;网络识别率达到98. 5%以上,相比CNN (convolutional neural network)+SVM (support vector machine)提高了约5%,比传统的LeNet-5网络提高了3%。可见,改进后的LeNet-5网络图像识别的准确率得到显著提高。 展开更多
关键词 交通标志 lenet-5网络 卷积神经网络 准确率
在线阅读 下载PDF
自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术 被引量：9
3
作者 程鸿芳 张春友 《食品与机械》 北大核心 2019年第3期155-158,共4页
针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标... 针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标识别模型,并利用该模型对不同场景的苹果图像进行识别训练与验证。结果表明:该网络模型可有效实现苹果图像的识别,对独立果实、遮挡果实、重叠果实以及相邻果实的识别率分别为96.25%,91.37%,94.91%,89.56%,综合识别率达到93.79%。与其他方法相比,该算法具有较强的抗干扰能力,图像识别速度快、识别率更高。 展开更多
关键词 图像识别 目标识别 卷积神经网络 lenet
在线阅读 下载PDF
基于卷积神经网络LeNet-5的货运列车车号识别研究 被引量：10
4
作者 王晓锋 马钟 《现代电子技术》 北大核心 2016年第13期63-66,71,共5页
针对货运列车车号字符识别,提出了基于卷积神经网络Le Net-5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征图的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果... 针对货运列车车号字符识别,提出了基于卷积神经网络Le Net-5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征图的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果表明,该方法对车号的断裂、污损等问题的解决有较强的鲁棒性,达到了较高的识别率,为整个车号识别系统的精确性提供了保障。 展开更多
关键词 列车车号 车号识别 卷积神经网络 lenet-5
在线阅读 下载PDF
基于小数据集的改进LeNet图像分类模型研究 被引量：5
5
作者 舒军 杨露 +2 位作者 陈义红 杨莉 邓芳 《中南民族大学学报（自然科学版）》 CAS 2019年第4期605-612,共8页
将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其... 将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其改变维度的特点来提高识别准确率,通过分解卷积和提出改进Dropout方法减少过拟合.结果表明:改进LeNet模型分类自制小龙虾数据集,比LeNet收敛速度快6000步并且准确率提高约15%,比VggNet和ResNet过拟合程度明显减少;将改进LeNet模型推广应用于开源数据集MNIST和Fashion-MNIST上,改进模型也有良好的表现. 展开更多
关键词 小数据集 卷积神经网络 改进lenet
在线阅读 下载PDF
基于LeNet-5模型的太阳能电池板缺陷识别分类 被引量：15
6
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
基于Lenet-5的卷积神经网络改进算法 被引量：19
7
作者 李丹 沈夏炯 +1 位作者 张海香 朱永强 《计算机时代》 2016年第8期4-6,12,共4页
在当前语音识别和图像识别领域,卷积神经网络已经取得了很大的成功。现有的Lenet-5卷积神经网络是多层网络结构,但是大量实验表明,从全链接层到输入层的回调影响了最终的精度,特别是在有限数据量的情况下。因此提出了单层回调的Lenet-5... 在当前语音识别和图像识别领域,卷积神经网络已经取得了很大的成功。现有的Lenet-5卷积神经网络是多层网络结构,但是大量实验表明,从全链接层到输入层的回调影响了最终的精度,特别是在有限数据量的情况下。因此提出了单层回调的Lenet-5算法,即在Lenet-5卷积神经网络的卷积层后添加一个临时输出层,与真实标签进行比较,根据误差函数对层间参数进行回调,并用全球手写数字MNIST数据集进行训练和测试。实验表明,即使在有限数据量的情况下算法的精度仍能得到提高。 展开更多
关键词 卷积神经网络 lenet-5 全链接 卷积 池化 回调 精度
在线阅读 下载PDF
基于改进的LeNet-5网络在单通道图像分类中的研究 被引量：4
8
作者 安源 刘春 +1 位作者 蔡朝晖 马英瑞 《信息技术》 2020年第12期8-10,16,共4页
针对卷积神经网络在进行图像分类时,存在单通道提取特征不充分和收敛慢等问题,提出一种改进的LeNet-5深度卷积神经网络模型。该模型对通道数量、层次结构等进行了改进,并设计局部误差结构,利用算法来增加局部误差产生数量和层间权值的... 针对卷积神经网络在进行图像分类时,存在单通道提取特征不充分和收敛慢等问题,提出一种改进的LeNet-5深度卷积神经网络模型。该模型对通道数量、层次结构等进行了改进,并设计局部误差结构,利用算法来增加局部误差产生数量和层间权值的调整次数。实验表明,与传统的LeNet-5网络相比,所提出模型收敛速度更快和分类准确率更高。 展开更多
关键词 图像分类 卷积神经网络 lenet-5 单通道图像 卷积核
在线阅读 下载PDF
基于改进LeNet-5的交通标志识别算法研究 被引量：7
9
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
基于改进LeNet-5的车牌识别算法 被引量：16
10
作者 张荣梅 张琦 陈彬 《科学技术与工程》 北大核心 2020年第12期4775-4779,共5页
传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别... 传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。 展开更多
关键词 车牌识别 卷积神经网络 lenet-5 字符识别 汉字识别
在线阅读 下载PDF
基于LeNet模型的游梁式抽油机工况诊断研究 被引量：4
11
作者 叶哲伟 易钦珏 罗良 《西南石油大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第6期164-174,共11页
游梁式抽油机是有杆泵系统中应用最广泛的部件,分析有杆泵的示功图是判断抽油机井下工况的重要手段。针对传统示功图识别方法存在依靠专家经验以及需要人工进行特征提取,导致出现相似示功图时识别准确度低的问题开展研究。通过深度学习... 游梁式抽油机是有杆泵系统中应用最广泛的部件,分析有杆泵的示功图是判断抽油机井下工况的重要手段。针对传统示功图识别方法存在依靠专家经验以及需要人工进行特征提取,导致出现相似示功图时识别准确度低的问题开展研究。通过深度学习卷积神经网络在图像识别领域的应用,提出了一种基于LeNet的卷积神经网络模型,实现了示功图的自动识别,所搭建的模型在简化模型结构的同时考虑了抽油机常见的15种井下工况,并引入了Dropout层以及局部响应归一化层防止模型过拟合的同时提高模型的泛化能力。实验结果表明,该模型不仅收敛速度快,而且对于工况进行诊断的准确度平均为94.68%,满足抽油机工况检测的诊断精度要求。该研究为抽油机井工况智能监控预警系统的构建提供了依据,对建设智慧油田以及油田的高效生产具有重要意义。 展开更多
关键词 抽油机 示功图 卷积神经网络 lenet 工况诊断
在线阅读 下载PDF
基于改进LeNet-5网络的车牌字符识别 被引量：12
12
作者 张秀玲 魏其珺 +2 位作者 周凯旋 董逍鹏 马锴 《沈阳大学学报（自然科学版）》 CAS 2020年第4期312-317,共6页
引入了Inception-SE卷积模块组来提升LeNet-5网络的广度与深度,运用SE模块增强了有用的特征并抑制了对当前任务用处不大的特征;使用BN层和Dropout优化网络,防止梯度弥散,提升精度;使用全局池化层(global average pooling,GAP)代替全连... 引入了Inception-SE卷积模块组来提升LeNet-5网络的广度与深度,运用SE模块增强了有用的特征并抑制了对当前任务用处不大的特征;使用BN层和Dropout优化网络,防止梯度弥散,提升精度;使用全局池化层(global average pooling,GAP)代替全连接层来减少网络计算参数.研究结果表明:改进后网络的识别精度达到了99.88%,比传统的LeNet-5网络提高了1.71%. 展开更多
关键词 卷积神经网络 车牌字符识别 lenet-5网络 Inception-SE卷积模块 识别精度
在线阅读 下载PDF
基于1D-LeNet-5模型的滚动轴承故障诊断方法 被引量：4
13
作者 郭俊锋 孙磊 +1 位作者 王淼生 续德锋 《兰州理工大学学报》 CAS 北大核心 2023年第5期34-41,共8页
风力发电过程中,轴承能否正常运行关系到风电机组能否正常工作.针对现有基于深度学习的轴承故障诊断模型结构复杂、参数众多和训练困难的问题,提出了基于LeNet-5模型改进的一维卷积神经网络滚动轴承故障诊断方法.首先,为了更大程度提取... 风力发电过程中,轴承能否正常运行关系到风电机组能否正常工作.针对现有基于深度学习的轴承故障诊断模型结构复杂、参数众多和训练困难的问题,提出了基于LeNet-5模型改进的一维卷积神经网络滚动轴承故障诊断方法.首先,为了更大程度提取故障信息,引入短时傅里叶变换对原始振动信号进行预处理.其次,设计一维网络模型,其感受野更大,计算速度更快;同时,引入Leaky-ReLU激活函数,其对输入信号的细节处理能力更强;并且增加批归一化层和Dropout层,提高模型泛化能力.最后,利用训练后的模型进行故障诊断实验.结果表明,该方法在10类轴承故障分类中诊断准确率能够达到99.98%,针对风电机组轴承故障诊断具有较好的工程应用前景. 展开更多
关键词 风电机组 滚动轴承 故障诊断 卷积神经网络 短时傅里叶变换 lenet-5
在线阅读 下载PDF
基于改进型LeNet-5的工业机器人工件自动识别研究 被引量：6
14
作者 刘东来 崔亚飞 +3 位作者 罗辉 邓子林 秦润华 秦长江 《制造技术与机床》 北大核心 2021年第8期103-107,共5页
针对机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配耗时费力等问题,在经典LeNet-5模型基础上,提出一种改进型LeNet-5网络,该网络输入图像的大小修改为32×32,卷积层增加至4层,激励函数改用Leaky ReLU以防止过... 针对机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配耗时费力等问题,在经典LeNet-5模型基础上,提出一种改进型LeNet-5网络,该网络输入图像的大小修改为32×32,卷积层增加至4层,激励函数改用Leaky ReLU以防止过拟合。同时,将改进型LeNet-5与经典LeNet-5、GoogLeNet模型进行训练、测试与对比,试验结果表明,改进型LeNet-5效果最好,测试集的准确率达到98.32%、曲线下降面积AUC为0.9163,识别一个待装配工件仅需约0.016 s,满足工厂工业机器人实时性检测要求,为类似的识别提供了有效参考,具有较高的应用价值。 展开更多
关键词 工件识别 改进型lenet-5 卷积神经网络
在线阅读 下载PDF
基于改进的卷积神经网络LeNet-5的车型识别方法 被引量：26
15
作者 王秀席 王茂宁 +1 位作者 张建伟 程鹏 《计算机应用研究》 CSCD 北大核心 2018年第7期2215-2218,共4页
针对现有车型识别算法的耗时长、特征提取复杂、识别率低等问题,引入了基于深度学习的卷积神经网络(convolutional neural network,CNN)方法。此方法具有鲁棒性好、泛化能力强、识别度高等优点,因而被广泛使用于图像识别领域。在对公路... 针对现有车型识别算法的耗时长、特征提取复杂、识别率低等问题,引入了基于深度学习的卷积神经网络(convolutional neural network,CNN)方法。此方法具有鲁棒性好、泛化能力强、识别度高等优点,因而被广泛使用于图像识别领域。在对公路中的四种主要车型(大巴车、面包车、轿车、卡车)的分类实验中,改进后的卷积神经网络LeNet-5使车型训练、测试结果均达到了98%以上,优于传统的SIFT+SVM算法;另外,还研究了改进网络中的Dropout层对车型识别效果的影响。与传统算法相比,经过改进后的卷积神经网络LeNet-5,在减少检测时间和提高识别率等方面都有了显著提高,在车型识别上具有明显的优势。 展开更多
关键词 深度学习 卷积神经网络 lenet-5 车型识别
在线阅读 下载PDF
基于改进型LeNet-5的苹果自动分级方法 被引量：40
16
作者 王立扬 张瑜 +1 位作者 沈群 薛勇 《中国农机化学报》 北大核心 2020年第7期105-110,共6页
针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。... 针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比。试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37%、AUC值为0.9075,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求。综上,改进型LeNet-5模型可用于苹果的高效分级。 展开更多
关键词 苹果分级 改进型lenet-5 卷积神经网络 深度学习
在线阅读 下载PDF
基于改进的LeNet-5卷积神经网络交通标志的识别 被引量：6
17
作者 张猛 钱育蓉 +1 位作者 杜娇 范迎迎 《东北师大学报（自然科学版）》 CAS 北大核心 2020年第1期92-97,共6页
针对目前现有交通标志识别算法耗时长、识别率低等问题,提出了一种改进的LeNet-5卷积神经网络模型(Improved LeNet-5 Convolutional Neural Network,ILN-CNN).首先,对原有的LeNet-5卷积神经网络模型构造2个相对独立的不同卷积核的子卷... 针对目前现有交通标志识别算法耗时长、识别率低等问题,提出了一种改进的LeNet-5卷积神经网络模型(Improved LeNet-5 Convolutional Neural Network,ILN-CNN).首先,对原有的LeNet-5卷积神经网络模型构造2个相对独立的不同卷积核的子卷积网络,用于加快特征提取;其次,增加子网络中卷积核的个数,以增强网络区分不同交通标志的能力;最后,添加激活函数ReLU,增加Dropout层,以达到加快函数收敛,避免CNN过度拟合,降低神经元间互适应的效果.实验结果表明:与传统的系统结构相比,ILN-CNN对交通标志的识别准确率达到93.558%;比BP神经网络模型、支持向量机分类算法分别提高了12.206%和4.018%,并且在识别时间上具有一定的优势. 展开更多
关键词 交通标志识别 特征提取 卷积神经网络 ILN-CNN lenet-5 ReLU
在线阅读 下载PDF
基于优化LeNet-5的近红外图像中的静默活体人脸检测 被引量：9
18
作者 黄俊 张娜娜 章惠 《红外技术》 CSCD 北大核心 2021年第9期845-851,共7页
针对当前交互式活体检测过程繁琐、用户体验性差的问题,提出了一种优化LeNet-5和近红外图像的静默活体检测方法。首先,采用近红外光摄像头构建了一个非活体数据集;其次,通过增大卷积核、增加卷积核数目、引入全局平均池化等方法对LeNet-... 针对当前交互式活体检测过程繁琐、用户体验性差的问题,提出了一种优化LeNet-5和近红外图像的静默活体检测方法。首先,采用近红外光摄像头构建了一个非活体数据集;其次,通过增大卷积核、增加卷积核数目、引入全局平均池化等方法对LeNet-5进行了优化,构建了一个深层卷积神经网络;最后,将近红外人脸图片输入到模型中实现活体静默活体检测。实验结果表明,所设计的模型在活体检测数据集上有较高的识别率,为99.95%,整个静默活体检测系统的运行速度约为18~22帧/s,在实际应用中鲁棒性较高。 展开更多
关键词 lenet-5 卷积神经网络 全局平均池化 近红外图像 静默活体检测
在线阅读 下载PDF
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：8
19
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
基于LeNet-5模型的手写数字识别优化方法 被引量：12
20
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
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
使用帮助 返回顶部