基于改进CNN的铝轮毂背腔字符识别

• 作者: 周斌 程淑红
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 inception结构 网络构架 背腔字符 损失函数优化
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 182-186
• 页数: 5页
• 分类号: TP391.41
• 字数: 3059字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050060

摘要

铝轮毂背腔字符分辨率较低、背景噪声较大,对其进行识别时不易提取几何特征和纹理特征.为此,提出一种基于改进卷积神经网络(CNN)的字符识别方法.在原始CNN的基础上引入改进的inception结构对网络构架进行优化,以提升计算资源的利用率,并在保持网络计算资源不变的前提下增加网络的宽度和深度,降低字符识别时间.实验结果表明,该方法训练准确率达99％以上,识别准确率达98.5％,识别效果优于支持向量机、BP神经网络等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程淑红	燕山大学电气工程学院	33	161	8.0	10.0
2	周斌	燕山大学电气工程学院	4	28	2.0	4.0