基于AlexNet网络的动物图片分类

• 作者: 周德良
• 来源期刊: 贵州大学学报（自然科学版）
• 学科: 工学
• 关键词: Caffe AlexNet网络 基础模型 图像分类
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 工程科学研究及应用
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP391.4
• 字数: 3090字
• 语种: 中文
• DOI: 10.15958/j.cnki.gdxbzrb.2019.06.15

摘要

Caffe是目前广泛应用于计算机视觉处理的深度学习框架之一,支持卷积神经网络的模型训练与预测.本文利用caffe支持的AlexNet卷积神经网络分别基于加载与不加载基础模型两种模式对五类动物图片进行分类学习与训练,发现加载基础模型的网络模型收敛耗时仅2.77 s,测试集准确率接近100％,实用测试准确率达到99％,且训练与测试损失曲线高度重合,但另一模式的网络模型收敛耗时多达68.89 s,测试集准确率仅为95％,实用测试准确率仅94％,且训练与测试损失曲线存在严重分化.图像分类不仅可以对不同物类的图像进行准确分类,同样可以对不同属性、状态或特性的图像进行准确分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周德良		3	1	1.0	1.0