使用CNN迁移学习识别手写天城体字符
计算机视觉与模式识别
2020-07-14 v1 人工智能
机器学习
图像与视频处理
摘要
本文提出一种利用预训练模型并通过深度卷积神经网络（DCNN）的迁移学习来识别手写天城体字母的分析。本研究将AlexNet、DenseNet、Vgg与Inception ConvNet作为固定特征提取器实现。我们对AlexNet、DenseNet 121、DenseNet 201、Vgg 11、Vgg 16、Vgg 19与Inception V3分别训练了15个epoch。结果表明，Inception V3在准确率上表现更优，达到99%准确率且平均epoch时间为16.3分钟，而AlexNet最快，每epoch 2.2分钟并取得98%准确率。
引用
@article{arxiv.1909.08774,
title = {Transfer Learning using CNN for Handwritten Devanagari Character Recognition},
author = {Nagender Aneja and Sandhya Aneja},
journal= {arXiv preprint arXiv:1909.08774},
year = {2020}
}