一种Petri网优化的验证码识别方法

• 作者: 陈德光 马自萍 马金林 魏麟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: Petri网 神经网络 图像识别 超活性 模型优化
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 277-285
• 页数: 9页
• 分类号: TP316
• 字数: 7754字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055178

摘要

针对AlexNet网络对验证码(CAPTCHA)多目标分类问题效果不理想、模型参数量与浮点数计算量过大的问题,提出一种基于Petri网优化的CAPTCHA识别方法.利用Petri网理论对AlexNet和DenseNet-BC建模,并通过所建模型优化网络结构和参数.同时,根据模型参数量与浮点数计算量的关系,提出超活性概念,对Petri-ANPP-net、Petri-ANPS-net、Petri-DNBC-net模型进行灵敏度分析.实验结果表明,经过Petri网优化后,Petri-ANPP-net模型的最高准确度为60.40％,且超活性较小,模型灵敏度较差,Petri-ANPS-net模型的最高准确度为97.50％,但超活性较小,模型灵敏度较差,Petri-DNBC-net模型的最高准确度达到99.24％,且超活性较大,模型灵敏度较高.说明Petri网能在一定程度上优化网络模型结构和参数,且超活性对于评价模型的灵敏度具有一定的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马自萍	北方民族大学计算机科学与工程学院	20	31	4.0	4.0
2	马金林	北方民族大学计算机科学与工程学院	12	9	2.0	2.0
3	陈德光	北方民族大学计算机科学与工程学院	3	0	0.0	0.0
4	魏麟	北方民族大学计算机科学与工程学院	1	0	0.0	0.0