28、基于VGGNet的图鲁文字符识别模型

基于VGGNet的图鲁文字符识别模型

1. 引言

在字符识别领域，卷积神经网络（CNN）发挥着重要作用。本文将介绍一种基于VGGNet架构的图鲁文字符识别模型，详细阐述数据集准备、VGGNet架构以及模型的改进等内容。

2. 数据集和准备

• 数据集规模 ：数据集中包含属于45个不同类别的90,000个字符。
• 数据集划分 ：训练集、测试集和验证集按照60:20:20的比例划分，即54,000个训练图像、18,000个测试图像和18,000个验证图像。
• 图像尺寸 ：数据集中的所有图像都被调整为32 × 32像素。

数据集类型	数量
训练集	54,000
测试集	18,000
验证集	18,000

3. VGGNet简介

• 起源 ：VGGNet由Vision Geometry Group于2015年为大规模视觉识别挑战（ILSVRC）在ImageNet数据库