基于小数据集的改进LeNet图像分类模型研究

将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其改变维度的特点来提高识别准确率,通过分解卷积和提出改进Dropout方法减少过拟合.结果表明:改进LeNet模型分类自制小龙虾数据集,比LeNet收敛速度快6000步并且准确率提高约15%,比VggNet和ResNet过拟合程度明显减少;将改进LeNet模型推广应用于开源数据集MNIST和Fashion-MNIST上,改进模型也有良好的表现.

伴跑改革开放:我赶上最好时代

1978年,改革开放的肇始元年,只有最恢弘的历史叙事才能彰显这一年的伟大,而我的半生期许、半生奋斗也源自于这一年的余波.跳出农门,我选择了新兴的激光专业1979年,中国恢复高考的第三年,我17岁,成为了全国参加高考的468.5万人中的一员.当时,全国录取人数28.5万人,录取率仅为6.1%.随着改革开放,凭着自己的学习天赋和勤奋努力,我顺利考入了华中工学院（现华中科技大学）激光专业.