基于CNN的多尺度特征在手寫數(shù)字識(shí)別中的應(yīng)用
關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò) 多尺度特征 手寫數(shù)字識(shí)別數(shù)據(jù)集 全局特征 局部特征
摘要：在手寫數(shù)字識(shí)別數(shù)據(jù)集(MNIST)情景下,為了提高卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別正確率,提出了一種改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的多尺度特征識(shí)別算法.首先,利用卷積操作和池化操作提取圖像中的全局特征及局部特征,通過二次卷積與特征融合獲得數(shù)字圖像的多尺度特征.然后,將多尺度特征送入全連接網(wǎng)絡(luò)和SoftMax分類器,實(shí)現(xiàn)手寫數(shù)字圖像識(shí)別.最后,通過對(duì)不同網(wǎng)絡(luò)結(jié)構(gòu)的CNN算法進(jìn)行評(píng)估表明,本文提出的算法可以有效提高網(wǎng)絡(luò)精度,具有較好的泛化能力.
綿陽師范學(xué)院學(xué)報(bào)雜志要求:
{1}關(guān)鍵詞一般是名詞性的詞或詞組，關(guān)鍵詞應(yīng)盡量從國家標(biāo)準(zhǔn)《漢語主題詞表》中選用。
{2}來稿務(wù)必內(nèi)容新穎，論點(diǎn)明確，論據(jù)可靠，文字精練，無保密內(nèi)容。
{3}標(biāo)題不超過15個(gè)漢字（可加副標(biāo)題）。
{4}參考文獻(xiàn)按出現(xiàn)的次序列在文末，并在文中對(duì)應(yīng)位置以右上角方括弧中的數(shù)字表示。詳細(xì)參考文獻(xiàn)格式，見往期雜志。
{5}注釋：注解性內(nèi)容分附注、腳注和夾注。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
