改进的LeNet-5网络在图像分类中的研究

摘要：

LeNet-5卷积神经网络(LeNet-5 Convolutional Neural Network)虽然在手写数字识别中取得了不错的成绩,但是对具有复杂纹理特征的图像进行分类时准确率不高.针对LeNet-5网络对低层次特征利用率较低的问题,引入跨连结构,将第1个池化层和第2个池化层向后传播的同时与第2个全连接层相连,充分地利用网络提取的低层次特征.针对LeNet-5网络泛化能力低的问题,采用重叠池化并在后面加上局部响应归一化操作,提高网络的泛化能力.在Fer2013、Cifar-10和Fashion-MNIST数据集上进行的实验结果表明,与LeNet-5卷积神经网络相比,改进的LeNet-5卷积神经网络在复杂纹理特征数据集上表现出了更好的分类能力.

关键词：卷积神经网络、图像分类、局部响应归一化、过拟合

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目20160101279JC

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79