边缘智能背景下的手写数字识别

作者：王建仁; 马鑫^*; 段刚龙; 薛宏全

来源：计算机应用, 2019, 39(12): 3548-3555.

• 边缘智能
• 卷积网络
• 手写数字识别
• LeakyReLU
• 混合池化
• 自适应
• dropout
• 遗传算法

随着边缘智能的快速发展,现有手写数字识别卷积网络模型的发展已越来越不适应边缘部署、算力下降的要求,且存在小样本泛化能力较差和网络训练成本较高等问题。借鉴卷积神经网络(CNN)经典结构、LeakyReLU算法、dropout算法和遗传算法及自适应和混合池化思想构建了基于LeNet-DL改进网络的手写数字识别模型,分别在大样本数据集MNIST和小样本真实数据集REAL上与LeNet、LeNet+sigmoid、AlexNet等算法进行对比实验。改进网络的大样本识别精度可达99.34%,性能提升约0.83%;小样本识别精度可达78.89%,性能提升约8.34%。实验结果表明,LeNet-DL网络相较于传统CNN在大样本和小样本数据集上的训练成本更低、性能更优且模型泛化能力更强。

• 单位
  西安理工大学