基于GoogLeNet Inception V3的迁移学习研究

• 作者: 张军 薛晨兴 邢家源
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 人工智能 Inceptionv3 迁移学习 深度卷积神经网络 目标检测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息系统与网络
• 页码范围: 118-122
• 页数: 5页
• 分类号: TP183
• 字数: 1855字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2020.02.007

摘要

随着人工智能的再度崛起,使用深度学习模型进行图像分类的方法得到了广泛关注.针对典型深度卷积神经网络模型是在大型数据库和大算力的基础上进行训练得到的,但普通机器学习工作者很难拿到如此规模的数据集和算力现象,本文在GoogLeNet Inception V3深度学习模型的基础上,对GoogLeNet的特征提取模块进行迁移学习来训练特定的模型进行图像分类.实验结果表明,在硬件和数据集相对不足的条件下,采用迁移学习的策略可以高效地实现目标检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张军	天津职业技术师范大学电子工程学院	27	54	4.0	5.0
2	薛晨兴	天津职业技术师范大学电子工程学院	2	1	1.0	1.0
3	邢家源	天津职业技术师范大学电子工程学院	2	1	1.0	1.0