卷积神经网络在手写字符识别中的应用

• 作者: 丁蒙 于恒 戴曙光
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 人工智能 卷积神经网络 手写字符识别 全局平均池化
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图形图像处理
• 页码范围: 275-279
• 页数: 5页
• 分类号: TP317.4
• 字数: 2683字
• 语种: 中文
• DOI: 10.11907/rjdk.191411

摘要

随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类.用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类.在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65％,在EMNIST数据集中识别准确率为90.37％.因此,改进模型识别准确率较高,适用于手写字符识别.

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	丁蒙	上海理工大学光电信息与计算机工程学院	2	1	1.0	1.0
3	于恒	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0