基于小数据集的改进LeNet图像分类模型研究

• 作者: 杨莉 杨露 舒军 邓芳 陈义红
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 小数据集 卷积神经网络 改进LeNet
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 605-612
• 页数: 8页
• 分类号: TP3
• 字数: 5671字
• 语种: 中文
• DOI: 10.12130/znmdzk.20190422

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓芳	湖北第二师范学院计算机学院	11	34	3.0	5.0
2	杨莉	湖北第二师范学院计算机学院	12	35	4.0	5.0
3	舒军	湖北工业大学太阳能高效利用湖北省协同创新中心	20	27	3.0	4.0
4	杨露	湖北工业大学太阳能高效利用湖北省协同创新中心	3	3	1.0	1.0
5	陈义红		2	0	0.0	0.0