基于改進(jìn)VGG16的猴子圖像分類方法
所屬分類：技術(shù)論文
上傳者：muyx
文檔大小：2108 K
標(biāo)簽： 遷移學(xué)習(xí) VGG16 卷積神經(jīng)網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦？
文檔介紹：為提高對(duì)細(xì)粒度圖像分類的準(zhǔn)確性和分類速度，提出基于改進(jìn)VGG16和遷移學(xué)習(xí)的圖像分類方法。首先從kaggle平臺(tái)中獲取十種不同猴子數(shù)據(jù)集，并對(duì)數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，包含圖片去椒鹽噪聲、將數(shù)據(jù)集轉(zhuǎn)換為TensorFlow中提供的統(tǒng)一TFRecord數(shù)據(jù)格式。然后遷移學(xué)習(xí)改進(jìn)的VGG16卷積神經(jīng)網(wǎng)絡(luò)，模型的優(yōu)化包括利用Swish作為激活函數(shù)、將softmax loss與center loss相結(jié)合作為損失函數(shù)以實(shí)現(xiàn)更好的聚類效果、采用性能完善的Adam優(yōu)化器。用訓(xùn)練集訓(xùn)練模型以確定微調(diào)參數(shù)信息，再用測試集檢驗(yàn)?zāi)Ｐ蜏?zhǔn)確性。結(jié)果表明，該方法對(duì)猴子圖像分類的準(zhǔn)確度可達(dá)到98.875%，分類速度也得到了顯著提升。與其他傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型相比，該方法具有更高的準(zhǔn)確性和適用性。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。