基于深度迁移学习的图像分类研究

• 作者: 栾庆磊
• 来源期刊: 黄山学院学报
• 学科: 工学
• 关键词: 图像分类 深度学习 混合模型 受限玻尔兹曼机 卷积神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 机电与信息
• 页码范围: 11-15
• 页数: 5页
• 分类号: TP391.41
• 字数: 4864字
• 语种: 中文

摘要

提出一种基于受限玻尔兹曼机和卷积神经网络混合模型的迁移学习图像分类方法,该方法由其它两种模型特征的学习能力融合而来,把图像结构性高阶统计特征提取出来,进行主题分类.算法实现过程为首先使用受限玻尔兹曼机替代卷积神经网络模型中的全连接层,并针对卷积神经网络型的小目标集形成新的功能结构,以目标集为载体,对受限波尔兹曼机层和Soft max层进行重新训练;其次该过程中采用BP算法对相关参数予以调整,受限玻尔兹曼机层关联maps的同时,还从最大对数似然的角度完成目标集统计特征的学习,有效地防止了数据集差异条件对迁移学习特征的负面影响,保证了数据学习的合理性.研究表明,该方法分类准确率高,适用性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	栾庆磊	安徽建筑大学机械与电气工程学院	19	60	4.0	7.0