基于LeNet神经网络的手写数字识别技术研究
以机器学习的神经网络算法进行数字的识别,研究卷积神经网络,分析卷积神经网络输入层 、卷积层 、激励层 、池化层和全连接层的原理和作用,对现有卷积神经网络LeNet-5模型进行简要分析.对图像数字的大小格式进行灰度处理,合理设计LeNet-5层级结构,进行摄像头图片的特征提取,并对参数进行设置,对向前向后传播方式进行深入了解,并对梯度下降方式进行选取以及分类层的设计;利用OpenMV摄像头模块,基于Phython语言进行了程序设计,对数字识别的试验结果进行分析比对,评估本系统的识别准确度和辨识度等性能指标.
图像识别、卷积神经网络、LeNet-5模型、数字识别
TN821(无线电设备、电信设备)
2019年江苏省大学生创新项目;2017 年扬州市职业大学校级科研课题
2020-07-21(万方平台首次上网日期,不代表论文的发表时间)
共3页
51-53