基于迁移学习的卷积神经网络应用研究

• 作者: 张鑫鑫 梁星
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 迁移学习 卷积神经网络 图像识别 车型识别
• 年，卷（期）: 2019,（4）
• 页码范围: 174-177
• 页数: 4页
• 分类号: TP18

摘要

传统的卷积神经网络模型在图像识别过程中,需要耗费大量的时间和计算量,且在数据集较小的情况下极容易出现过拟合现象。针对这一缺陷,本文以车型识别为例,通过引用迁移学习,提出一种由粗到细收敛、慢慢细化的识别方法,从而加速了卷积神经网络的训练过程,并提高了小数据集的识别准确率。本文以Tensorflow为深度学习框架,将从ImageNet训练好的Inception v3作为预训练模型,对52种车型进行训练,并与传统的CNN算法进行对比。实验结果表明,引用迁移学习方法后,卷积神经网络模型在训练速度以及准确率上都能得到大幅度的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁星	桂林理工大学博文管理学院建筑与设计学院	17	8	2.0	2.0
2	张鑫鑫	桂林理工大学博文管理学院建筑与设计学院	3	2	1.0	1.0