|
|||||
|
|
| 基于CNN的多尺度特征在手写数字识别中的应用 | |
| 作者单位： | ;1.阳光学院人工智能学院 |
| 摘 要： | 在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力. |
| 关 键 词： | 卷积神经网络 多尺度特征 手写数字识别数据集 全局特征 局部特征 |
Application of Multi-scale Features in MNIST Based on CNN |
|
| Abstract: | |
| Keywords: | |