基于LeNet-5改进的卷积神经网络图像识别方法

被引:9
作者
吴阳阳
彭广德
吴相飞
机构
[1] 广东工业大学机电工程学院
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
    刘海龙
    李宝安
    吕学强
    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