基于LeNet-5卷积神经网络的物探野外手写数字识别方法与实现
收藏资源简介
物探队野外采集作业时,往往需要野外操作手拍摄作业过程,其中包括当前作业位置的桩号信息,以此来协助室内质检人员对采集的视频数据进行质检工作。传统质检工作常常是由质检人员观看野外作业视频,通过查看视频中所展示的桩号信息是否正确,从而完成该项质检内容,上述质检流程浪费了大量的人力、物力,质检效率较低。本文详细介绍了LeNet-5卷积神经网络模型,并在此基础上利用Matlab软件,实现了对LeNet-5模型的训练和测试。通过训练效果图和测试结果可以看出,LeNet-5卷积神经网络模型可以快速、准确的识别物探工区手写数字,具有较好的准确性、时效性和可重复性。
资料为PDF文档格式.
本文档关键词:手写,野外,识别,数字,卷积