《表3 基于CNN的图像模型架构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的电力操作票文字识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

集成CNN模型架构如表3所示，表中N的含义是笔迹特征的维度。该模型包含6层卷积网络，前5层卷积网络下一层均配置池化层，第6层卷积网络的下一层配置全连接层。第1层卷积网络的卷积核大小设置为3×3，卷积核个数为80，且依次递增80；第2～6层卷积网络的卷积核大小设置为2×2；选择补0卷积运算，步长取1。池化层矩阵大小均为2×2。需要学习的参数约有400万，小于DeepCNet网络的590万，提升了模型训练效率。