科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2022
- 单位长春理工大学; 电子信息工程学院
