迁移学习在卷积神经网络中的应用

• 作者: 孙瑞彬 李欣 米硕 赵汝程
• 来源期刊: 中国新通信
• 关键词: 迁移学习 卷积神经网络 预训练模型
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 互联网+应用
• 页码范围: 121
• 页数: 1页
• 字数: 1097字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4866.2018.07.100

摘要

近年来,随着计算机运行速度的不断加快和数据量的与日俱增,深度学习在解决视觉识别和语音识别等问题上有了飞速的发展.其中,卷积神经网络在图像识别方面发挥了极其重要的作用.但与传统的监督式机器学习算法相比,卷积神经网络的训练需要花费更多的计算机资源和时间资源,且在数据集较小时极易产生过拟合.所以为了加速卷积神经网络的训练过程,降低网络的过拟合程度,引入了"迁移学习"的训练方式.本文综述了迁移学习在卷积神经网络中的应用,并通过实例验证了传统卷积神经网络与使用迁移学习训练的卷积神经网络在训练速度和结果精确度上的差别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	米硕		8	24	4.0	4.0
2	孙瑞彬		8	25	4.0	4.0
3	李欣		5	15	3.0	3.0
4	赵汝程		5	18	3.0	4.0