科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对Le Net-5网络模型识别分类准确度问题,提出一种基于深度Gabor卷积神经网络的识别分类方法。在Le Net-5模型的基础上,引入了Gabor层,使用Gabor核作为提取图像特征的卷积核,Gabor卷积核从图像频域的不同尺度、不同方向上提取更多特征。为了避免网络训练中的梯度消失问题,使用Relu函数作为网络中的激活函数。将改进后的模型在MNIST手写体数据集上进行试验,识别正确率达到99. 34%。与支持向量机和卷积神经网络等分类方法作比较,结果表明,改进后的深度Gabor卷积神经网络的具有更高的识别性能。
- 单位
