改进LeNet-5网络模型图像分类

来源 :长春工业大学学报 | 被引量 : 0次 | 上传用户：wudongjiang888

【摘要】

：

将卷积层改为连续非对称卷积以降低特征参数,引入Inception V1模块增加多尺度特征参数.增加批量标准化(Batch Normalization)层、Dropout层,提升网络泛化性、鲁棒性.仿真结果表明,ILIC相比于LeNet-5网络减少部分训练参数,增加了分类准确率且降低了过拟合,在Fashion MNIST数据集上比较不同batch_size大小,得到最佳分类准确率达到92.10％,相同情况下比原LeNet-5网络提高了2.26％.

【作者】

：

谢沛松胡黄水张金栋

【机构】

：

长春工业大学计算机科学与工程学院,吉林长春 130012

【出处】

：

长春工业大学学报

【发表日期】

：

2021年5期

【关键词】

：

图像分类卷积神经网络连续非对称卷积批量标准化

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

SPF级实验动物设施环境参数测试研究

选择上海某大学联合动物研究中心实验室为研究对象,对SPF(Specific Pathogen Free)级实验动物设施环境中各项环境参数进行检测,同时将测定数据与GB14925-2010《实验动物环境及设施》标准进行对比分析,为该屏障环境设施的管理、运行和维护提供依据.

期刊

实验动物SPF环境测试对比分析

中文命名实体识别技术综述

描述了命名实体识别的定义、背景、发展,分析了研究难点.重点总结分析了命名实体识别技术的研究现状及近期热门的研究方法.最后介绍命名实体识别的标注方法和评价方法.

期刊

命名实体识别信息抽取自然语言处理

改进LeNet-5网络模型图像分类

其他学术论文