基于改进的LeNet网络手写体字符识别技术的研究

作者：郁岩

来源：物联网技术, 2021, 11(08): 3-11.

DOI：10.16667/j.issn.2095-1302.2021.08.001

• 字符识别
• 卷积神经网络
• ReLU函数
• 超深型网络
• 融合算法
• LeNet网络

针对LeNet模型在移动支付、物流等行业字符识别的不足,提出了一种在LeNet模型基础结构上改进的模型,可增强模型的表征学习能力,以降低模型识别数字的错误率。首先将LeNet模型的Sigmoid激活函数替换成ReLu激活函数;其次,模型权重参数初始化中使用Xavier初始化;最后引入批量归一化,增加模型深度。改进的ModelA模型不仅减少了模型参数量,还加深了网络深度与网络特征提取能力,从而提高了网络分类的正确率。文中提出的模型综合了传统模型和深度学习模型的优点,使分类准确率检测结果提高了0.82%。

• 单位
  江苏安全技术职业学院