典型文献
改进的LeNet-5网络在图像分类中的研究
文献摘要：
LeNet-5卷积神经网络(LeNet-5 Convolutional Neural Network)虽然在手写数字识别中取得了不错的成绩,但是对具有复杂纹理特征的图像进行分类时准确率不高.针对LeNet-5网络对低层次特征利用率较低的问题,引入跨连结构,将第1个池化层和第2个池化层向后传播的同时与第2个全连接层相连,充分地利用网络提取的低层次特征.针对LeNet-5网络泛化能力低的问题,采用重叠池化并在后面加上局部响应归一化操作,提高网络的泛化能力.在Fer2013、Cifar-10和Fashion-MNIST数据集上进行的实验结果表明,与LeNet-5卷积神经网络相比,改进的LeNet-5卷积神经网络在复杂纹理特征数据集上表现出了更好的分类能力.
文献关键词：
卷积神经网络;图像分类;局部响应归一化;过拟合
中图分类号：
作者姓名：
陈恩志;王春阳;李晨晨;吴夏铭
作者机构：
长春理工大学 电子信息工程学院,长春 130022
文献出处：
引用格式：
[1]陈恩志;王春阳;李晨晨;吴夏铭-.改进的LeNet-5网络在图像分类中的研究)[J].长春理工大学学报（自然科学版）,2022(05):74-79
A类：
跨连结构
B类：
LeNet,图像分类,Convolutional,Neural,Network,手写数字识别,不错,纹理特征,低层次,层次特征,池化,全连接层,利用网络,泛化能力,后面,局部响应归一化,Fer2013,Cifar,Fashion,MNIST,特征数据集,过拟合
AB值：
0.304943
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
