基于轻量级AlexNet网络的秦简文字识别算法

以样本少且欠均衡的高信噪比秦简文字图像为研究对象，提出一种基于改进的轻量级AlexNet网络模型的秦简文字识别算法。首先，构建秦简单文字图像数据集，对其进行增强降噪、图像归一化等预处理操作；其次，调整AlexNet网络模型结构，构建4层卷积层与池化层的顺序连接，并在前2层卷积层分别融入InceptionA与InceptionC结构，以分解卷积的形式对秦简文字进行局部特征提取，选取ReLU函数作为模型的激活函数，并在全连接层融入Dropout层进一步防止模型出现过拟合现象；最后，调用Softmax分类器完成秦简文字图像识别。研究结果表明：该网络模型在轻量化与识别准确率的表现上具有明显的优势，平均识别耗时为635 ms，识别准确率达到了99.89%，识别效果良好，可为秦简文字识别理论研究提供参考。