基于LeNet-5模型的手写数字识别优化方法

• 作者: 夏春蕾 戴曙光 汪雅琴
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 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
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图像处理
• 页码范围: 3177-3181
• 页数: 5页
• 分类号: TP183
• 字数: 3010字
• 语种: 中文
• DOI: 10. 3969/j. issn. 1672-9722. 2019. 12. 045

摘要

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.

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	上海理工大学光电信息与计算机工程学院	166	839	14.0	22.0
2	夏春蕾	上海理工大学光电信息与计算机工程学院	16	50	4.0	6.0
3	汪雅琴	上海理工大学光电信息与计算机工程学院	2	2	1.0	1.0