基于改进VGG16的猴子图像分类方法

• 作者: 田佳鹭 邓立国
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 迁移学习 VGG16 卷积神经网络 图像分类 TFRecord
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: ITNS主题专栏:人工智能技术
• 页码范围: 6-11
• 页数: 6页
• 分类号: TP391.41|TP18
• 字数: 5005字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.05.002

摘要

为提高对细粒度图像分类的准确性和分类速度,提出基于改进 VGG16 和迁移学习的图像分类方法.首先从kaggle平台中获取十种不同猴子数据集,并对数据集进行标准化处理,包含图片去椒盐噪声、将数据集转换为 Tensor-Flow中提供的统一TFRecord数据格式.然后迁移学习改进的VGG16卷积神经网络,模型的优化包括利用Swish作为激活函数、将softmax loss与center loss相结合作为损失函数以实现更好的聚类效果、采用性能完善的 Adam 优化器.用训练集训练模型以确定微调参数信息,再用测试集检验模型准确性.结果表明,该方法对猴子图像分类的准确度可达到98.875％,分类速度也得到了显著提升.与其他传统卷积神经网络模型相比,该方法具有更高的准确性和适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓立国	沈阳师范大学数学与系统科学学院	12	20	4.0	4.0
2	田佳鹭	沈阳师范大学数学与系统科学学院	4	0	0.0	0.0