基于改进LeNet-5的压印字符识别

摘要：

针对传统的图像识别算法在压印字符识别领域存在识别精度低、速度较慢的问题,提出了一种基于LeNet-5压印字符识别方法.与传统的LeNet-5不同,在文中网络各卷积层中采用小尺寸卷积核,以提取更多的特征并加快模型的训练速度;使用InceptionV2卷积模块取代C5全连接层,可加深网络宽度,从而提高网络的识别精度;放弃全连接层F6,改用全局平均池化层,并且选用性能优越的Relu函数作为激活函数,以便减少训练参数,提高网络的训练速度.通过实验发现,文中模型的识别精度达到98.57％,与传统LeNet-5模型以及BP神经网络相比识别精度分别提高3％和4％,证明文中模型在压印字符的识别上拥有更大的优势.

关键词：压印字符识别;改进模型;卷积神经网络;识别精度;收敛速度

所属期刊栏目：39

分类号：TP391.7(计算技术、计算机技术)

资助基金：江苏省政策引导类计划BZ2018046

在线出版日期：2022-03-21（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：441-446