基于深度卷积神经网络AlexNet的验证码识别研究

• 作者: 于鹏
• 来源期刊: 通讯世界
• 学科: 工学
• 关键词: 卷积神经网络 验证码 多任务学习 字符识别 AlexNet
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 通信设计与应用
• 页码范围: 66-67
• 页数: 2页
• 分类号: TP183
• 字数: 1607字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4222.2018.01.042

摘要

针对验证码字符识别中,对先验知识依赖性大,粘连字符验证码识别效果不佳等问题,将深度卷积神经网络AlexNet引入到验证码字符识别中.为了适应多个字符识别的需要,对传统的深度卷积神经网络AlexNet的结构进行了改进,将原来的单任务学习模型改造成多任务学习模型,主要是改变fc7层全连接层个数和fc8层各全连接层的神经元个数.研究结果表明,对AlexNet改进后的新网络CLN具有强大的学习能力,具有较好的分类效果,识别率可达到98％左右.另外,对粘连字符通过增加迭代次数的办法可以有效提高识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于鹏		7	52	4.0	7.0