基于CNN的多尺度特征在手写数字识别中的应用

作者：仲会娟; 谢朝和; 刘文武; 刘大茂

来源：绵阳师范学院学报, 2019, 38(11): 22-26.

DOI：10.16276/j.cnki.cn51-1670/g.2019.11.005

• 卷积神经网络
• 多尺度特征
• 手写数字识别数据集
• 全局特征
• 局部特征

在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.

• 单位
  阳光学院