基于改进LeNet-5的形状类似物体识别方法

• 作者: 余童 程龙阅 郑睿
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: LeNet-5网络 图像识别 非对称卷积 批量归一化 最大平均池化
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: ITNS主题专栏:人工智能技术
• 页码范围: 31-37,43
• 页数: 8页
• 分类号: TP183
• 字数: 4921字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.06.006

摘要

针对深度学习在对外形类似物体的识别上存在着识别精度低、耗时长等问题,提出基于改进的LeNet-5 的识别方法.在传统 LeNet-5 网络基础上,将卷积层变为双层非对称卷积使网络有更好的特征提取能力;通过批量归一化提高网络泛化能力;采用全局平均池化替代原 Flatten 层,用于克服传统全连接层参数多、耗时长的缺点;通过对训练集进行增广增加训练样本.实验结果表明,改进 LeNet-5 网络的训练精度达到 91％,识别形状类似物体的精度为 87％,且能在较少迭代次数内收敛,这些指标均显著优于原网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑睿	安徽师范大学物理与电子信息学院	9	6	2.0	2.0
5	余童	安徽师范大学物理与电子信息学院	3	1	1.0	1.0
9	程龙阅	安徽师范大学物理与电子信息学院	3	1	1.0	1.0