-
题名混合样本训练方式的手写数字识别
被引量：3
- 1
-
-
作者
汪雅琴
夏春蕾
戴曙光
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《电子测量技术》
2018年第18期52-56,共5页
-
文摘
近年来,图像识别技术被应用在通信、军事、公安侦测、生物医学等众多领域,而LeNet-5模型作为卷积神经网络模型的典型代表受到广泛青睐。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式。优化后的训练方式能够减少预处理工作量,加快识别速度。通过实验可知,在相同的训练时间内,分别采用传统样本训练方式和混合样本训练方式,识别率可以提高0.15%左右;改变混合样本的组合方式,识别率也会不断改变,甚至相差0.18%。实验结果表明在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更低的测试错误率,即更高的识别率。
-
关键词
图像识别技术
LeNet-5模型
卷积神经网络
mnist字符库
-
Keywords
image recognition technology
LeNet-5 model
convolutional neural network
mnist character library
-
分类号
TN37
[电子电信—物理电子学]
-
