基于改进的LeNet-5网络在单通道图像分类中的研究

作者：安源; 刘春^*; 蔡朝晖; 马英瑞

来源：信息技术, 2020, 44(12): 8-16.

DOI：10.13274/j.cnki.hdzj.2020.12.002

• 图像分类
• 卷积神经网络
• LeNet-5
• 单通道图像
• 卷积核

针对卷积神经网络在进行图像分类时,存在单通道提取特征不充分和收敛慢等问题,提出一种改进的LeNet-5深度卷积神经网络模型。该模型对通道数量、层次结构等进行了改进,并设计局部误差结构,利用算法来增加局部误差产生数量和层间权值的调整次数。实验表明,与传统的LeNet-5网络相比,所提出模型收敛速度更快和分类准确率更高。

• 单位
  大庆师范学院