基于改进的LeNet-5网络在单通道图像分类中的研究

• 作者: 刘春 安源 蔡朝晖 马英瑞
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 图像分类 卷积神经网络 LeNet-5 单通道图像 卷积核
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 基金项目
• 页码范围: 8-10,16
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.12.002

摘要

针对卷积神经网络在进行图像分类时,存在单通道提取特征不充分和收敛慢等问题,提出一种改进的LeNet-5深度卷积神经网络模型.该模型对通道数量、层次结构等进行了改进,并设计局部误差结构,利用算法来增加局部误差产生数量和层间权值的调整次数.实验表明,与传统的LeNet-5网络相比,所提出模型收敛速度更快和分类准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马英瑞		35	67	4.0	7.0
2	刘春		26	21	3.0	3.0
3	蔡朝晖		18	58	3.0	7.0
4	安源		3	0	0.0	0.0