改进的全卷积神经网络在手写数字识别上的应用

• 作者: 侯飞 刘宝宝 吴治虎 杨雪 穆姣
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: MNIST数据集 全卷积神经网络 ELU函数 手写识别 识别率
• 年，卷（期）: 2020,（35）
• 页码范围: 1-3
• 页数: 3页
• 分类号: TP391

摘要

为了提高手写数字的识别率,论文提出了一种改进的全卷积神经网络手写图像识别方法。首先通过传统的卷积神经网络获取手写数字图像的轮廓特征,其次在模型训练的初始阶段,传统的修正线性单元(RELU)激活函数被指数线性单元(ELU)激活函数所代替,然后应用支持向量机(SVM)分类器替换原始卷积神经网络的多项逻辑回归(Softmax)分类器,并对输出的像素分类结果进行反卷积操作,从而获得分割结果。最后,使用提出的算法在MNIST数据集进行验证,与其他算法比较具有较高的识别精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宝宝		5	4	2.0	2.0
2	杨雪		2	0	0.0	0.0
3	吴治虎		2	0	0.0	0.0
4	侯飞		2	0	0.0	0.0
5	穆姣		2	0	0.0	0.0