计算机工程

作者：马金林, 陈德光, 马自萍, 魏麟

单位：北方民族大学 计算机科学与工程学院, 银川 750021

关键词：Petri网,神经网络,图像识别,超活性,模型优化

基金：国家自然科学基金（61462002，61762003，61862001）；北方民族大学研究项目（2018XYZJK02）；北方民族大学教育教学重大研究项目（2018ZHJY01）；宁夏自然科学基金项目（2020AAC03215）；"图像与智能信息处理"民委创新团队项目（PY1805）。

针对AlexNet网络对验证码（CAPTCHA）多目标分类问题效果不理想、模型参数量与浮点数计算量过大的问题，提出一种基于Petri网优化的CAPTCHA识别方法。利用Petri网理论对AlexNet和DenseNet-BC建模，并通过所建模型优化网络结构和参数。同时，根据模型参数量与浮点数计算量的关系，提出超活性概念，对Petri-ANPP-net、Petri-ANPS-net、Petri-DNBC-net模型进行灵敏度分析。实验结果表明，经过Petri网优化后，Petri-ANPP-net模型的最高准确度为60.40%，且超活性较小，模型灵敏度较差，Petri-ANPS-net模型的最高准确度为97.50%，但超活性较小，模型灵敏度较差，Petri-DNBC-net模型的最高准确度达到99.24%，且超活性较大，模型灵敏度较高。说明Petri网能在一定程度上优化网络模型结构和参数，且超活性对于评价模型的灵敏度具有一定的优越性。

来源：2020年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第7期