论文部分内容阅读
针对传统的图像识别方法很难快速、准确地对考生进行识别从而验证其身份,文中详细地分析了卷积神经网络的原理及特性,提出一种基于多通道输入的稀疏卷积神经网络的考生识别算法,并与支持向量机及传统卷积神经网络进行比较,实验结果表明,该算法提高了考生识别的准确率,而且识别的速度大幅提高。
基于稀疏卷积神经网络的考生识别算法
【摘 要】
：
针对传统的图像识别方法很难快速、准确地对考生进行识别从而验证其身份,文中详细地分析了卷积神经网络的原理及特性,提出一种基于多通道输入的稀疏卷积神经网络的考生识别算法,并与支持向量机及传统卷积神经网络进行比较,实验结果表明,该算法提高了考生识别的准确率,而且识别的速度大幅提高。
【机 构】
：
上海理工大学,上海市教育考试院网络信息中心,上海市教育委员会信息中心
【出 处】
：
现代电子技术
【发表日期】
：
2019年13期
【基金项目】
：
上海市教育委员会重点项目基金(Z2017364001)资助.
其他文献
YOLO目标检测算法在进行目标检测和识别时具有识别精度高、检测速度快的特点。但也存在明显的问题,由于网络采用的结构是端对端模型,没有经过预选框进行匹配预选,直接进行回归产生最后的结果框,所以存在定位不准的问题。同时,YOLO网络将图片整体resize到固定的尺寸后,进行网格划分,当单个网格存在不止单个目标时,容易出现漏检的情况。DenseNet网络使用一种全新的网络结构,结合前面特征层的信息,在一
目的分析广东省医疗服务价格改革后地级市公立医院的总体运行情况,为公立医院改革绩效评估提供新思路。方法采用主成分分析法对广东省某地级市13家二级以上公立医院2018年的
目的研究24小时病历归档管理对诊断相关分组(DRGs)入组率及付费情况的影响。方法随机选取我院记录完整的病历作为研究资料,将病例实施24小时病历归档管理作为观察组,将病例均
汽车仪表中的嵌入式系统通常采用前后台循环设计模式,该模式下各任务执行频率强制相同,执行顺序无法改变,任务每次等待时间波动较大,难以保证实时性。为解决上述问题,利用高