基于迁移学习与模型融合的犬种识别方法

• 作者: 刘宇红 张荣芬 李思瑶
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 迁移学习 模型融合 犬种识别 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 101-106
• 页数: 6页
• 分类号: TP391.4
• 字数: 4939字
• 语种: 中文

摘要

犬种识别研究属于细粒度图像分类的典型代表,使用传统图像分类方法与普通卷积神经网络进行犬种识别,会出现准确率普遍很低等问题.本文提出了一种将迁移学习与模型融合相结合的方法.通过运用四种常用的卷积神经网络模型分别进行部分图像的特征提取,选取表现最佳的两种模型Inception_v3以及Resnet152_v1进行双模型融合,将得到的融合网络用于犬种图像进行迁移学习训练.针对120类犬种图片,训练得到了验证集精度可达93.02%的网络模型.同时考虑将测试集图片经过YOLO目标检测算法识别,定位目标区域后再送入网络,实验结果表明该方法在融合模型中能进一步提高犬种识别检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宇红	贵州大学大数据与信息工程学院	77	340	10.0	15.0
2	张荣芬	贵州大学大数据与信息工程学院	43	148	7.0	11.0
3	李思瑶	贵州大学大数据与信息工程学院	1	0	0.0	0.0