基于改进AlexNet卷积神经网络的手写体数字识别

摘要

为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-res-net模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理(BN)方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的训练速度.在MNIST数据集上进行训练与测试,实验结果表明改进的网络模型具有较高的检测精度,达到了0.9966,证明了本算法的有效性.