混合样本训练方式的手写数字识别

• 作者: 夏春蕾 戴曙光 汪雅琴
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 图像识别技术 LeNet-5模型 卷积神经网络 MNIST字符库
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 52-56
• 页数: 5页
• 分类号: TN37
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1801653

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴曙光		166	839	14.0	22.0
2	夏春蕾		16	50	4.0	6.0
3	汪雅琴		2	2	1.0	1.0