论文部分内容阅读
针对被强噪声污染的小样本水表读数数据集,提出一种基于卷积神经网络(CNN)迁移学习的字符识别方法。在Tensor Flow框架下搭建卷积神经网络,将批归一化应用到网络模型的构建中,并对目标函数进行优化来提高网络的性能。通过迁移学习的方法提高小样本数据集的识别率,采用大样本数据集对卷积神经网络的结构参数进行预训练后,共享浅层网络层参数。再利用小样本数据集对深层网络层参数进行训练,实现字符分类。实验结果表明:与传统VGG—16网络相比,所设计网络的识别率提高2.19%,速度提高98.3%,计算复杂度和内