基于CNN的多尺度特征在手寫數字識別中的應用
仲會娟; 謝朝和; 劉文武; 劉大茂 陽光學院人工智能學院; 福建福州350015
關鍵詞：卷積神經網絡 多尺度特征 手寫數字識別數據集 全局特征 局部特征
摘要：在手寫數字識別數據集(MNIST)情景下,為了提高卷積神經網絡的識別正確率,提出了一種改進的基于卷積神經網絡(CNN)的多尺度特征識別算法.首先,利用卷積操作和池化操作提取圖像中的全局特征及局部特征,通過二次卷積與特征融合獲得數字圖像的多尺度特征.然后,將多尺度特征送入全連接網絡和SoftMax分類器,實現手寫數字圖像識別.最后,通過對不同網絡結構的CNN算法進行評估表明,本文提出的算法可以有效提高網絡精度,具有較好的泛化能力.
綿陽師范學院學報雜志要求:
{1}關鍵詞一般是名詞性的詞或詞組，關鍵詞應盡量從國家標準《漢語主題詞表》中選用。
{2}來稿務必內容新穎，論點明確，論據可靠，文字精練，無保密內容。
{3}標題不超過15個漢字（可加副標題）。
{4}參考文獻按出現的次序列在文末，并在文中對應位置以右上角方括弧中的數字表示。詳細參考文獻格式，見往期雜志。
{5}注釋：注解性內容分附注、腳注和夾注。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
