基于高倍特征深度残差网络的手写数字识别

• 作者: 冯玉田 涂云轩 赵朋成
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 深度残差网络 手写体数字识别 数据增广技术
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 86-89
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701304

摘要

手写体数字识别是模式识别的一个重要研究领域.由于手写体数字书写风格变化大,传统识别方法识别率不高.近年来深度学习为解决该问题带来了新活力.提出了深度残差网络,将池化层后特征大小减半,将每一级的特征数量变为输入数量的多倍,充分挖掘上一层的有效数据.在每一层的末尾添加1×1的卷积层,丰富神经网络表达能力的同时压缩冗余特征,并减少下一层网络参数.实验中采用MNIST数据集作为数据源,同时采用数据增广技术,进一步提高神经网络泛化能力.实验结果表明,方案不但能有效提高手写体数字识别率,而且可以进一步缩减训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯玉田		33	227	7.0	14.0
2	赵朋成		2	12	1.0	2.0
3	涂云轩		3	0	0.0	0.0