期刊文献+

基于深度卷积神经网络AlexNet的验证码识别研究 被引量:11

在线阅读 下载PDF
导出
摘要 针对验证码字符识别中,对先验知识依赖性大,粘连字符验证码识别效果不佳等问题,将深度卷积神经网络AlexNet引入到验证码字符识别中。为了适应多个字符识别的需要,对传统的深度卷积神经网络AlexNet的结构进行了改进,将原来的单任务学习模型改造成多任务学习模型,主要是改变fc7层全连接层个数和fc8层各全连接层的神经元个数。研究结果表明,对AlexNet改进后的新网络CLN具有强大的学习能力,具有较好的分类效果,识别率可达到98%左右。另外,对粘连字符通过增加迭代次数的办法可以有效提高识别率。
作者 于鹏
机构地区 哈尔滨工程大学
出处 《通讯世界》 2018年第1期66-67,共2页 Telecom World
  • 相关文献

参考文献2

二级参考文献20

  • 1薛磊,杨晓敏,吴炜,陈默,何小海.一种基于KNN与改进SVM的车牌字符识别算法[J].四川大学学报(自然科学版),2006,43(5):1031-1036. 被引量:21
  • 2吉治钢.基于验证码破解的HTTP攻击原理与防范[J].计算机工程,2006,32(20):170-172. 被引量:20
  • 3全球中文论坛100强[Z/OL].(2004-10-12).http://www.qihoo.corn/forum/portal/topbbs,top100.htm.
  • 4文晓阳,高能,荆继武.论坛验证码技术的安全性分析[C]//全国计算机安全学术交流会论文集.张家界,中国:[出版者不详],2007.
  • 5Ming Jiang. Digital Image Processing[EB/OL]. (2006-09-26). http://iria, pku.edu.cn/-jiangm/courses/dip/html/node68.html.
  • 6He Chunlei, Zhang Ping, Dong Jianxiong, et al. The Role of Size Normalization on the Recognition Rate of Handwritten Numerals[C]//Proc. of NNLDAR'05. [S. l.]: IEEE Press, 2005.
  • 7MySpace Continues to Make The Captcha Tougher![EB/OL]. (2007-09-09). http:llarmyofblogs.coml2007/09/091mys ace-loosingthier-minds/.
  • 8VapnikVN统计学习理论的本质[M].北京:清华大学出版社,2000.
  • 9Chang C C,Lin C J.LIBSVM:A library for support vector ma- chines[EB/OL]. (2001 ) .http://www.csie.ntu.cdu.twFcjlin/libsvm.
  • 10Cristianini N, Shawe-Taylor J.An introduction to support vector machines and other kernel-based learning methods[M].US: Cam- bridge University Press,2003.

共引文献42

同被引文献55

引证文献11

二级引证文献33

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部