LeNet:Handwritten Digit Recognition with a Back-Propagation Network
Handwritten Digit Recognition with a Back-Propagation Network
基于反向传播网络的手写数字识别
发表时间:1989;
发表期刊/会议:NIPS;
贡献:CNN的起点LeNet;
LeNet名字来源于该论文的第一作者Yann LeCun;
0 摘要
提出了一种反向传播网络在手写数字识别中的应用。数据的预处理是最少的,但是网络的架构是高度受限的,是专门为这项任务设计的。网络的输入由孤立数字的归一化图像组成。这种方法的错误率为1%,对美国邮政服务提供的邮政编码数字的拒收率约为9%。
1 简介
大型反向传播(BP)网络可以应用于真实的图像识别问题,而不需要大量复杂的预处理阶段。与之前关于该主题的大多数工作不同(Denker et al, 1989),学习网络直接使用图像,而不是特征向量,因此证明了BP网络处理大量低水平信息的能力。
之前对简单数字图像的研究(Le Cun, 1989)表明,网络的架构对网络的泛化能力有很大的影响。只有通过设计一个包含一定数量的关于问题的先验知识的网络架构,才能获得良好的泛化。基本设计原则是尽量减少必须由学习算法确定的自由参数的数量,而不会过度降低网络的计算能力。这一原则增加了正确泛化的概率,因为它导致了一个具有较少熵的专门网络架构(Denker et al, 1987; Patarnello and Carnevali, 1987; Tishby, Levin and Solla, 1989; Le Cun, 1989)。另一方面,必须在架构中设计适当的约束。
2 ZIPCODE 识别
手写数字识别应用程序,是一个相对简单的机器视觉任务:输入由黑色或白色像素组成,数字通常与背景分离得很好,并且只有10个输出类别。(处理2D真实图像,有规律性和复杂性,具有实用价值)
用于训练和测试网络的数据集是去年报道的工作中使用的数据库的超集(Denker et al, 1989)。
该数据库由9298个分段数字组成,这些数字来自于经过纽约州布法罗邮局的真实美国邮件上的手写邮政编码。
示例如图1所示:
图1:数据集的示例
- 这些数字是由许多不同的人书写的,使用了各种各样的尺寸、书写风格和工具,书写的程度也大不相同。
- 此外,还有一组3349个印刷数字,来自35种不同的字体。
- 训练集由7291个手写数字和2549个打印数字组成。
- 剩下的2007个手写数字和700个印刷数字被用作测试集。
3 预处理
预处理包括:获取、二值化、定位和初步分割;
其中一些步骤的预处理非常艰(比如连体字的分割);数据库中的许多模糊字符都是错误分割的结果(特别是破碎的"5"),如图2所示。
图2:测试集的规范化数字示例
接下来:图像resize到相同大小(线性变换)、图像的灰度归一化到[-1,1];
4 网络
网络的输入是一个16 × 16的标准化图像,输出由10个单元组成:每个类一个单元。当出现属于第i类的模式时,第i个输出单元的期望输出为+1,其他输出单元的期望输出为-1。
通过检测和结合局部特征来进行形状识别具有众所周知的优点;
此外,如果一个特征检测器对图像的一部分有用,那么它很可能对图像的其他部分也有用。用一个具有局部接受域的单个神经元扫描输入图像,并将该神经元的状态存储在一个称为特征映射的层中的相应位置(见图3)。
(就是卷积过程嘛)
图3:输入图像(左),权重向量(中),结果特征图(右)。特征图是通过扫描输入图像与一个单一的神经元,有一个局部接受野。白色代表-1,黑色代表+ 1。
网络架构如图4所示:
图4:网络架构
网络有四个隐藏层,分别命名为HI、H2、H3和H4。HI和H3层是共享权重特征提取器,而H2和H4层是平均/子采样层。
- 输入图像:28 * 28;
- H1:卷积层
- 4个卷积核大小5 * 5, stride=1;
- 输出:4个24 * 24;
- H2:池化层
- 卷积核大小2 * 2, stride=2,MAX POOL;
- 输出:4个12 * 12;
- H3:卷积层
- 卷积核大小:5 * 5,stride=1;
- 输出:12个8 * 8;
- H4:池化层
- 卷积核大小2 * 2, stride=2,MAX POOL;
- 输出:12个4 * 4;
- 输出:全连接层
- 10分类;
其实就是这么个网络
特点:
1.相比MLP,LeNet使用了相对更少的参数,获得了更好的结果。
2.设计了maxpool来提取特征
LeNet代码:
import torch
import torch.nn as nn
import torch.nn.functional as Fclass LeNet5(nn.Module):def __init__(self, num_classes, grayscale=False): """num_classes: 分类的数量grayscale:是否为灰度图"""super(LeNet5, self).__init__()self.grayscale = grayscaleself.num_classes = num_classesif self.grayscale: # 可以适用单通道和三通道的图像in_channels = 1else:in_channels = 3# 卷积神经网络self.features = nn.Sequential(nn.Conv2d(in_channels, 6, kernel_size=5),nn.MaxPool2d(kernel_size=2),nn.Conv2d(6, 16, kernel_size=5),nn.MaxPool2d(kernel_size=2) # 原始的模型使用的是 平均池化)# 分类器self.classifier = nn.Sequential(nn.Linear(16*5*5, 120), # 这里把第三个卷积当作是全连接层了nn.Linear(120, 84), nn.Linear(84, num_classes))def forward(self, x):x = self.features(x) # 输出 16*5*5 特征图x = torch.flatten(x, 1) # 展平 (1, 16*5*5)logits = self.classifier(x) # 输出 10probas = F.softmax(logits, dim=1)return logits, probas
LeNet:Handwritten Digit Recognition with a Back-Propagation Network相关推荐
- Atrainable feature extractor for handwritten digit recognition(经典文章阅读)
一.文献名字和作者 Atrainable feature extractor for handwritten digit recognition,Fabien Lauer, ChingY. Suen, ...
- 回归初心——读《Deep Big Simple Neural Nets Excel on Hand-written Digit Recognition》
见个人博客: https://ziyubiti.github.io/2016/10/18/mlppaper/
- 机器学习:手写数字识别(Hand-written digits recognition)小项目
该项目的所有代码在我的github上,欢迎有兴趣的同学与我探讨研究~ 地址:Machine-Learning/machine-learning-ex3/ 1. Introduction 手写数字识别( ...
- Dataset之Handwritten Digits:Handwritten Digits(手写数字图片识别)数据集简介、安装、使用方法之详细攻略
Dataset之Handwritten Digits:Handwritten Digits(手写数字图片识别)数据集简介.安装.使用方法之详细攻略 目录 Handwritten Digits数据集的简 ...
- 【每日一更】<深度学习>手写数字识别 - Hand-Written Digits Recognition
目录 一.手写数字识别概述: 二.Input and Output: 三.入门案例-简单数据训练: 1.数据集的准备: 一.手写数字识别概述: 数据集:MNIST 使用灰度图片处理,得到一个28行28 ...
- 表情识别:Facial Expression Recognition with Two-branch Disentangled Generative Adversarial Network
论文:Facial Expression Recognition with Two-branch Disentangled Generative Adversarial Network 代码:TDGA ...
- 人脸识别:Deep Face Recognition论文阅读
基本概念 在具体到人脸识别方法之前,先对人脸识别中的Face detection, Face alignment, Face verification和Face identification(reco ...
- Paper:《Distilling the Knowledge in a Neural Network神经网络中的知识蒸馏》翻译与解读
Paper:<Distilling the Knowledge in a Neural Network神经网络中的知识蒸馏>翻译与解读 目录 <Distilling the Know ...
- DL之FAN:FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略
DL之FAN:FAN人脸对齐网络(Face Alignment depth Network)的论文简介.案例应用之详细攻略 目录 FAN人脸对齐网络(Face Alignment depth Netw ...
最新文章
- spring 基于XML的申明式AspectJ通知的执行顺序
- axios请求接口http_Vue使用Axios实现http请求以及解决跨域问题
- CA ARCserve Backup系列(3)—安装代理(Linux篇)
- Android网络编程
- 很好的分页实例代码(JSP)
- Oracle数据库查看表空间sql语句、查看Oracle数据库表空间剩余 、修改表空间、库备份
- 解决IDEA2020控制台乱码的方法(亲测)
- 第一个structs+spring+hibernate的web程序
- mysql备份表恢复数据库_mysql备份恢复数据库据/表
- 【registry】Reader schema missing default value for field: age
- cad2022新功能介绍(autocad2022简体中文版)
- 超级搜索术4-学业有成/职场晋升
- 关于如何阅读英文文献(干货详解)
- 摄像头采集图像本地HDMI输出延迟测试
- (每日一练python)有效的数独
- 全网最好的子网划分方法与例题解析
- python牛顿迭代法求根例题_python求根算法
- 模式识别八--三层BP神经网络的设计与实现
- 夜神模拟器和安卓连接
- 基于JavaGUI的火锅自助点菜客户端和服务端系统
热门文章
- oracle系统中poord是什么,______A.tiredB.weakC.poorD.slow
- 2022-04-14 工作记录--LayUI-数据表格中固定列对应的合计部分也实现固定
- 关于Ubuntu16.04中WPS不能输入中文的问题
- 给tomcat7w.exe改名字
- 《梦幻西游》手游主程刘强:如何提供一个稳定高效的MMO手游服务器引擎
- 冬战柴达木的压裂“将士”
- 以下 D 不是MYSQL的对象权限_数据库课后习题及答案
- 小学计算机打字比赛简报,育瑞实验小学打字比赛活动通知
- Magento支付宝手机网站支付插件V6.0旗舰版发布,支持在微信中使用支付宝支付,订单重新支付功能!...
- ppt资源的拖动插入方法