基于融合卷积神经网络模型的手写数字识别

作     者：陈玄 朱荣 王中元 CHEN Xuan;ZHU Rong;WANG Zhongyuan

作者机构：武汉大学国家多媒体软件工程技术研究中心武汉430072 

基　　金：中央高校基本科研业务费专项资金(2042016gf0033) 武汉市应用基础研究计划项目(2016010101010025) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2017年第43卷第11期

页      码：187-192页

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。

主 题 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 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1000-3428.2017.11.030

馆 藏 号：203278514...