论文摘要
将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其改变维度的特点来提高识别准确率,通过分解卷积和提出改进Dropout方法减少过拟合.结果表明:改进LeNet模型分类自制小龙虾数据集,比LeNet收敛速度快6000步并且准确率提高约15%,比VggNet和ResNet过拟合程度明显减少;将改进LeNet模型推广应用于开源数据集MNIST和Fashion-MNIST上,改进模型也有良好的表现.
论文目录
文章来源
类型: 期刊论文
作者: 舒军,杨露,陈义红,杨莉,邓芳
关键词: 小数据集,卷积神经网络,改进
来源: 中南民族大学学报(自然科学版) 2019年04期
年度: 2019
分类: 基础科学,信息科技
专业: 计算机软件及计算机应用
单位: 湖北工业大学太阳能高效利用湖北省协同创新中心,湖北第二师范学院计算机学院
基金: 湖北省科技厅重大专项(2017ACA105)
分类号: TP391.41
页码: 605-612
总页数: 8
文件大小: 1190K
下载量: 184