《表1 卷积神经网络架构:建立时间戳识别模型的一种新方法》
为了识别64*32的数字图片,采用卷积神经网络转换高维空间到低维空间,最终映射到[0-9]编号的10个类别。概括来说,第一层首先是三个使用RELU激活函数的卷积层和池化层[7]。神经元在同一卷积层上共享卷积核,特征可以在不同部分共享。池化层又称采样层,在本模型中采用最大池化(Max Pooling)。最大池化操作在规定大小的矩阵中提取最大值,保留在池化层中输出。经过池化层后,特征值进一步压缩,图像变得更小,特征更加突出。接着全连接层学习所有局部特征,最后一个全连接层通过softmax函数归一化数据,输出代表10个类别的10维向量[8]。模型的详细网络结构如表1所示。
图表编号 | XD001302000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 姚文杰、艾旭升、栾咏红、李良 |
绘制单位 | 苏州工业职业技术学院、苏州工业职业技术学院、苏州工业职业技术学院、苏州工业职业技术学院 |
更多格式 | 高清、无水印(增值服务) |