论文部分内容阅读
为了提高手写数字的识别率,论文提出了一种改进的全卷积神经网络手写图像识别方法。首先通过传统的卷积神经网络获取手写数字图像的轮廓特征,其次在模型训练的初始阶段,传统的修正线性单元(RELU)激活函数被指数线性单元(ELU)激活函数所代替,然后应用支持向量机(SVM)分类器替换原始卷积神经网络的多项逻辑回归(Softmax)分类器,并对输出的像素分类结果进行反卷积操作,从而获得分割结果。最后,使用提出的算法在MNIST数据集进行验证,与其他算法比较具有较高的识别精度。