一种轻量化手写数字的识别算法

作     者：解修亮 徐晓光 丁理 XIO Xiuliang;XU Xiaoguang;DIOG Li

作者机构：安徽工程大学电气工程学院 

出 版 物：《钦州学院学报》 (Journal of Qinzhou University)

年 卷 期：2019年第34卷第7期

页      面：46-53页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽高校省级自然科学研究项目:局部可柔虚杆算法在城市道路交通中的应用与研究(KJ2014A024) 

主　　题：数字识别 卷积神经网络 参数规模 准确率 

摘      要：在手写阿拉伯数字识别系统中,传统手写数字识别算法准确率不高。基于LeNet-5卷积神经网络算法,提出一种轻量化的卷积神经网络算法。利用全局平均池化算法代替原有的全连接层降低算法训练参数的规模;利用RELU函数代替tanh函数作为激活函数、增加BN层等方法来加速网络模型的收敛速度。利用MNIST手写数据集设计了验证实验,实验表明,改进后的算法不但训练参数规模只有LeNet-5训练参数规模的1/3,而且相较于LeNet-5改进后的算法准确率上升了约0.4%。由此证明该算法具备较高的应用及推广价值。