• 首 页期刊简介编 委 会规章制度作者指南审稿流程联系我们
期刊封面
谢东阳,李丽宏,苗长胜.基于改进AlexNet卷积神经网络的手写体数字识别[J].河北工程大学自然版,2021,38(4):102-106
基于改进AlexNet卷积神经网络的手写体数字识别
Handwritten Number Recognition Based on Improved AlexNet Convolutional Neural Network
投稿时间:2021-05-05  
DOI:10.3969/j.issn.1673-9469.2021.04.015
中文关键词:  手写数字识别  AlexNet卷积神经网络  Inception-resnet模块  批归一化处理
英文关键词:handwritten number recognition  AlexNet convolutional neural network  Inception-resnet module  bacth normalization
基金项目:河北省省级科技计划资助项目(20475702D);邯郸市科学技术局项目(19422031008-14)
作者单位
谢东阳 河北工程大学 信息与电气工程学院, 河北 邯郸 056038 
李丽宏 河北工程大学 信息与电气工程学院, 河北 邯郸 056038 
苗长胜 河北工程大学 信息与电气工程学院, 河北 邯郸 056038 
摘要点击次数: 52
全文下载次数: 13
中文摘要:
      为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-resnet模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理(BN)方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的训练速度。在MNIST数据集上进行训练与测试,实验结果表明改进的网络模型具有较高的检测精度,达到了0.9966,证明了本算法的有效性。
英文摘要:
      In order to improve the recognition rate of handwritten numbers, we have improved AlexNet network model in this paper. Conv3 and Conv4 were introduced to replace the model for Inception-resnet module, which improves the feature extraction capability of the model. The Batch Normalization (BN) method was used to accelerate network convergence and prevent overfitting,reducing the number of convolutional kernels and improving the training speed of the network. In this paper, training and testing are carried out on MNIST data sets. Experimental results show that the improved network model has a better detection accuracy of 0.9966, which proves the effectiveness of the algorithm.
  查看/发表评论  下载PDF阅读器  下载全文
关闭