基于小数据集的改进LeNet图像分类模型研究

基于小数据集的改进LeNet图像分类模型研究

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

  • 1 改进LeNet模型
  •   1.1 加快收敛速度
  •   1.2 提高准确率
  •   1.3 减少过拟合
  •     1.3.1 加入Dropout
  •     1.3.2 分解5*5卷积
  •   1.4 改进LeNet模型框架
  •   1.5 模型的应用
  • 2 实验与分析
  •   2.1 小龙虾数据集实验
  •     2.1.1 改进LeNet模型与各模型对比实验
  •       (1)训练时间对比实验
  •       (2)准确率对比实验
  •       (3)过拟合对比实验
  •       (4)收敛速度对比实验
  •       (5)GPU占用对比实验
  •     2.1.2 环境适应性实验
  •       (1)亮度对比实验
  •       (2)饱和度对比实验
  •       (3)方向对比实验
  •       (4)组合对比实验
  •   2.2 MNIST数据集实验
  •   2.3 Fashion-MNIST数据集实验
  • 3 结语
  • 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

    相关论文文献

    标签:;  ;  ;  

    基于小数据集的改进LeNet图像分类模型研究
    下载Doc文档

    猜你喜欢