学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于LeNet-5改进的卷积神经网络图像识别方法
被引:9
作者
:
论文数:
引用数:
h-index:
机构:
吴阳阳
论文数:
引用数:
h-index:
机构:
彭广德
论文数:
引用数:
h-index:
机构:
吴相飞
机构
:
[1]
广东工业大学机电工程学院
来源
:
信息与电脑(理论版)
|
2018年
/ 07期
关键词
:
卷积神经网络;
BN方法;
池化;
D O I
:
暂无
中图分类号
:
TP183 [人工神经网络与计算];
TP391.41 [];
学科分类号
:
080203 ;
摘要
:
针对LeNet-5在图像识别上的局限性,提出了一种改进的图像识别卷积神经网络结构,使其能具有更高准确率的同时具有更快的处理速度。首先使用BN方法对输入数据进行批规范化,再对卷积核进行分拆,并构建了更深的网络,去除全连接层,改用平均池化代替。最后进行验证,实现了对LeNet网络的改进。
引用
收藏
页码:127 / 130
页数:4
相关论文
共 5 条
[1]
基于深度卷积神经网络的图像检索算法研究
论文数:
引用数:
h-index:
机构:
刘海龙
论文数:
引用数:
h-index:
机构:
李宝安
论文数:
引用数:
h-index:
机构:
吕学强
论文数:
引用数:
h-index:
机构:
黄跃
[J].
计算机应用研究,
2017,
34
(12)
: 3816
-
3819
[2]
卷积神经网络图像分类应用研究[D]. 柯小龙.深圳大学. 2017
[3]
卷积神经网络在图像分类中的研究与应用[D]. 柳振东.中国民航大学. 2017
[4]
基于卷积神经网络的监控视频车型识别系统设计与实现[D]. 曾俊东.西南交通大学. 2017
[5]
基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学. 2017
←
1
→
共 5 条
[1]
基于深度卷积神经网络的图像检索算法研究
论文数:
引用数:
h-index:
机构:
刘海龙
论文数:
引用数:
h-index:
机构:
李宝安
论文数:
引用数:
h-index:
机构:
吕学强
论文数:
引用数:
h-index:
机构:
黄跃
[J].
计算机应用研究,
2017,
34
(12)
: 3816
-
3819
[2]
卷积神经网络图像分类应用研究[D]. 柯小龙.深圳大学. 2017
[3]
卷积神经网络在图像分类中的研究与应用[D]. 柳振东.中国民航大学. 2017
[4]
基于卷积神经网络的监控视频车型识别系统设计与实现[D]. 曾俊东.西南交通大学. 2017
[5]
基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学. 2017
←
1
→