基于改進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?。?span>2108 K | |
標簽: 遷移學習 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:為提高對細粒度圖像分類的準確性和分類速度,提出基于改進VGG16和遷移學習的圖像分類方法。首先從kaggle平臺中獲取十種不同猴子數(shù)據(jù)集,并對數(shù)據(jù)集進行標準化處理,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。然后遷移學習改進的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)以實現(xiàn)更好的聚類效果、采用性能完善的Adam優(yōu)化器。用訓練集訓練模型以確定微調(diào)參數(shù)信息,再用測試集檢驗模型準確性。結(jié)果表明,該方法對猴子圖像分類的準確度可達到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確性和適用性。 | |
現(xiàn)在下載 | |
VIP會員,AET專家下載不扣分;重復下載不扣分,本人上傳資源不扣分。 |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2