《表2 改进模型图像识别结果》

  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Keras框架MNIST数据集识别方法研究》

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

整个网络是一个7层结构（不包括输入层），包括3层卷积层，2层池化层，2层全连接层，上一层的输出作为下一层的输入。输入层为32*32单通道灰度图，对该图像进行卷积操作得到C1层，采用12个卷积核，尺寸为5*5，步长为1，卷积层的作用是提取原图特征，所以结果称为特征图，每张图像大小为28(32-5+1）。对该层采用最大池化得到S2，池化使用核大小为2*2，步长为2，池化保留了特征图的主要特征，减少了计算量，图像尺寸大小为14((28-2）/2+1）。再次进行卷积操作得到C3层，采用24个卷积核，尺寸为5*5，步长为1，图像尺寸大小为10(14-5+1），池化得到S4的过程和上述得到S2过程相同，图像尺寸为5。继续进行卷积，由于卷积核尺寸和图像尺寸一致，故得到120维向量，继续进行全连接获取图像，最后进行10个节点的全连接，采取softmax作为激活函数，输出结果。将所有训练集数据训练4次，实验结果如表2。