基于LeNet神经网络的手写数字识别技术研究

• 作者: 廖倩 梅妍玭 邵万灵
• 来源期刊: 新技术新工艺
• 学科: 工学
• 关键词: 图像识别 卷积神经网络 LeNet-5模型 数字识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 试验与研究
• 页码范围: 51-53
• 页数: 3页
• 分类号: TN821
• 字数: 1514字
• 语种: 中文

摘要

以机器学习的神经网络算法进行数字的识别,研究卷积神经网络,分析卷积神经网络输入层 、卷积层 、激励层 、池化层和全连接层的原理和作用,对现有卷积神经网络LeNet-5模型进行简要分析.对图像数字的大小格式进行灰度处理,合理设计LeNet-5层级结构,进行摄像头图片的特征提取,并对参数进行设置,对向前向后传播方式进行深入了解,并对梯度下降方式进行选取以及分类层的设计;利用OpenMV摄像头模块,基于Phython语言进行了程序设计,对数字识别的试验结果进行分析比对,评估本系统的识别准确度和辨识度等性能指标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梅妍玭	扬州市职业大学电子工程学院	11	21	2.0	4.0
2	廖倩	扬州市职业大学电子工程学院	2	0	0.0	0.0
3	邵万灵	扬州市职业大学电子工程学院	2	0	0.0	0.0