基于改进CNN的铝轮毂背腔字符识别

摘要：

铝轮毂背腔字符分辨率较低、背景噪声较大,对其进行识别时不易提取几何特征和纹理特征.为此,提出一种基于改进卷积神经网络(CNN)的字符识别方法.在原始CNN的基础上引入改进的inception结构对网络构架进行优化,以提升计算资源的利用率,并在保持网络计算资源不变的前提下增加网络的宽度和深度,降低字符识别时间.实验结果表明,该方法训练准确率达99％以上,识别准确率达98.5％,识别效果优于支持向量机、BP神经网络等方法.

关键词：卷积神经网络、inception结构、网络构架、背腔字符、损失函数优化

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61601400;河北省博士后择优项目B2016003027

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：182-186