基于融合卷积神经网络模型的手写数字识别 |
| |
作者单位: | ;1.武汉大学国家多媒体软件工程技术研究中心 |
| |
摘 要: | 针对传统手写数字识别方法识别率较低的问题,提出一种融合卷积神经网络(F-CNN)模型。通过结合暹罗网络(SN)模型和二进制卷积神经网络(B-CNN)模型的高级特征,扩展网络高级层的尺寸,增强F-CNN模型的特征表达能力。在网络训练过程中,设计周期性数据打乱策略,提高F-CNN模型的收敛速度,更好地实现手写数字识别。在MNIST数据集上的实验结果表明,融合模型对于手写数字的识别准确率达到99.10%,识别性能优于SN模型和B-CNN模型。
|
关 键 词: | 手写数字 融合模型 卷积神经网络 数据打乱策略 收敛速度 |
Handwritten Digits Recognition Based on Fused Convolutional Neural Network Model |
| |
Abstract: | |
| |
Keywords: | |
|
|