文献检索-宁波市创意产业特色资源库

限定检索结果

基于Lenet-5网络组合特征融合的水表数字识别: 收藏
分享
引用; 《机械制造与自动化》2020年第6期49卷 189-192页; 作者：邸亮涂俊翔禹杰福州大学机械工程及自动化学院福建福州350108 福州大学机电工程实践中心福建福州350108; 为有效识别水表数字区域的半字符和提高数字识别准确率,设计一种基于Lenet-5网络组合特征融合的水表数字识别算法。对水表原始图像进行预处理,获取完整字符和半字符数字组成的数据集;在Tensor Flow深度学习框架下搭建卷积神经网络,选取...; 为有效识别水表数字区域的半字符和提高数字识别准确率,设计一种基于Lenet-5网络组合特征融合的水表数字识别算法。对水表原始图像进行预处理,获取完整字符和半字符数字组成的数据集;在Tensor Flow深度学习框架下搭建卷积神经网络,选取卷积核为3×3、1×3、3×1的卷积层作为改进网络的卷积层,增加卷积层的层数,并对非对称卷积前后的组合特征进行融合,提高网络对半字符的识别能力;用图像集训练和检测改进网络的识别性能。实验结果表明,迭代次数为10 000、学习率为0.001 5的改进网络模型在测试集上识别准确率达到99.025%,识别准确率高于原Lenet-5网络和一些典型的水表数字识别算法。; 来源：详细信息评论

限定检索结果