钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
基础科学期刊
\
自然科学总论期刊
\
科学技术与工程期刊
\
基于改进的卷积神经网络图像识别方法
基于改进的卷积神经网络图像识别方法
作者:
侯捷
张珂
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
图像识别
LeNet-5
卷积神经网络
特征提取
深度学习
摘要:
当前的图像特征识别大多采用的是传统的机器学习方法与卷积神经网络方法.传统的机器学习对图像识别的研究,特征提取多是通过人工完成,泛化能力不够强.最早的卷积神经网络也存在诸多缺陷,如硬件要求高,需要的训练样本量大,训练时间长.针对以上问题,提出了一种改进的神经网络模型,在LeNet-5模型的基础上并在保证识别率的情况下,简化网络结构,提高训练速度.将改进的网络结构在MINIST字符库上进行识别实验,分析网络结构在不同参量中的识别能力,并与传统算法进行对比分析.结果 表明提出的改进结构在当前识别正确率上,明显高于传统的识别算法,为当前的图像识别提供新的参考.
暂无资源
收藏
引用
分享
推荐文章
多通道卷积神经网络图像识别方法
卷积神经网络
多通道
梯度图像
随机化特征融合
分类
基于深度卷积神经网络的羽绒图像识别
深度卷积神经网络
权值初始化
稀疏自编码
视觉显著性
图像识别
基于改进概率神经网络的纹理图像识别
纹理分类
小波包变换
概率神经网络
差异演化
自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术
图像识别
目标识别
卷积神经网络
LeNet
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
基于改进的卷积神经网络图像识别方法
来源期刊
科学技术与工程
学科
工学
关键词
图像识别
LeNet-5
卷积神经网络
特征提取
深度学习
年,卷(期)
2020,(1)
所属期刊栏目
论文
研究方向
页码范围
252-257
页数
6页
分类号
TP391.41
字数
4079字
语种
中文
DOI
10.3969/j.issn.1671-1815.2020.01.041
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
张珂
上海应用技术大学机械工程学院
31
47
4.0
5.0
2
侯捷
上海应用技术大学机械工程学院
1
0
0.0
0.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(52)
共引文献
(33)
参考文献
(12)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1989(1)
参考文献(1)
二级参考文献(0)
1998(1)
参考文献(1)
二级参考文献(0)
2007(3)
参考文献(0)
二级参考文献(3)
2008(2)
参考文献(0)
二级参考文献(2)
2009(1)
参考文献(0)
二级参考文献(1)
2010(2)
参考文献(0)
二级参考文献(2)
2011(4)
参考文献(0)
二级参考文献(4)
2012(4)
参考文献(0)
二级参考文献(4)
2013(8)
参考文献(0)
二级参考文献(8)
2014(9)
参考文献(0)
二级参考文献(9)
2015(5)
参考文献(0)
二级参考文献(5)
2016(5)
参考文献(0)
二级参考文献(5)
2017(7)
参考文献(3)
二级参考文献(4)
2018(11)
参考文献(6)
二级参考文献(5)
2019(1)
参考文献(1)
二级参考文献(0)
2020(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
研究主题发展历程
节点文献
图像识别
LeNet-5
卷积神经网络
特征提取
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术与工程
主办单位:
中国技术经济学会
出版周期:
旬刊
ISSN:
1671-1815
CN:
11-4688/T
开本:
大16开
出版地:
北京市海淀区学院南路86号
邮发代号:
2-734
创刊时间:
2001
语种:
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
期刊文献
相关文献
1.
多通道卷积神经网络图像识别方法
2.
基于深度卷积神经网络的羽绒图像识别
3.
基于改进概率神经网络的纹理图像识别
4.
自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术
5.
基于神经网络的图像识别方法
6.
基于卷积神经网络的图像识别算法研究
7.
基于注意力卷积模块的深度神经网络图像识别
8.
基于局部调节卷积神经网络的图像识别方法
9.
基于改进的卷积神经网络的负面表情识别方法
10.
基于卷积神经网络人脸识别方法研究
11.
基于优化卷积神经网络的玉米螟虫害图像识别
12.
基于图像识别和卷积神经网络的大豆优良籽粒筛选研究
13.
基于密集卷积神经网络的遥感飞机识别
14.
基于卷积神经网络的铁路桥梁高强螺栓缺失图像识别方法
15.
卷积神经网络在储粮害虫图像识别中的应用研究
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
力学
化学
地球物理学
地质学
基础科学综合
大学学报
天文学
天文学、地球科学
数学
气象学
海洋学
物理学
生物学
生物科学
自然地理学和测绘学
自然科学总论
自然科学理论与方法
资源科学
非线性科学与系统科学
科学技术与工程2022
科学技术与工程2021
科学技术与工程2020
科学技术与工程2019
科学技术与工程2018
科学技术与工程2017
科学技术与工程2016
科学技术与工程2015
科学技术与工程2014
科学技术与工程2013
科学技术与工程2012
科学技术与工程2011
科学技术与工程2010
科学技术与工程2009
科学技术与工程2008
科学技术与工程2007
科学技术与工程2006
科学技术与工程2005
科学技术与工程2004
科学技术与工程2003
科学技术与工程2002
科学技术与工程2001
科学技术与工程2020年第9期
科学技术与工程2020年第8期
科学技术与工程2020年第7期
科学技术与工程2020年第6期
科学技术与工程2020年第5期
科学技术与工程2020年第4期
科学技术与工程2020年第36期
科学技术与工程2020年第35期
科学技术与工程2020年第34期
科学技术与工程2020年第33期
科学技术与工程2020年第32期
科学技术与工程2020年第31期
科学技术与工程2020年第30期
科学技术与工程2020年第3期
科学技术与工程2020年第29期
科学技术与工程2020年第28期
科学技术与工程2020年第27期
科学技术与工程2020年第26期
科学技术与工程2020年第25期
科学技术与工程2020年第24期
科学技术与工程2020年第23期
科学技术与工程2020年第22期
科学技术与工程2020年第21期
科学技术与工程2020年第20期
科学技术与工程2020年第2期
科学技术与工程2020年第19期
科学技术与工程2020年第18期
科学技术与工程2020年第17期
科学技术与工程2020年第16期
科学技术与工程2020年第15期
科学技术与工程2020年第14期
科学技术与工程2020年第13期
科学技术与工程2020年第12期
科学技术与工程2020年第11期
科学技术与工程2020年第10期
科学技术与工程2020年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号