《表2 各级参数量:基于FPGA和CNN的汉字识别系统的设计与实现》
经过反复训练与结构改进,最终确定的CNN模型如图3所示。此CNN结构共有一个输入层、六个卷积层、一个全连接以及一个输出识别结果的softmax分类层。网络全部采用3×3的卷积核。最后一层采用全局池化,其余层均采用2×2最大池化核。由于卷积核可以扩大通道数,池化可以缩小特征图的大小,可以在模型架构搭建得更深的同时,放缓计算量的增加,并且获得更大的感受野。每一层的尺寸和计算参数如表2所示,可以看出90%以上的计算量都集中在卷积层。由于在最后一层的卷积层后面加入全局池化,所以大大降低了全连接层的参数。
图表编号 | XD0078287700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.10 |
作者 | 潘思园、王永、黄鲁 |
绘制单位 | 中国科学技术大学微电子学院、中国科学技术大学微电子学院、中国科学技术大学微电子学院 |
更多格式 | 高清、无水印(增值服务) |