首页|基于迁移学习的卷积神经网络图像识别方法研究

基于迁移学习的卷积神经网络图像识别方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
卷积神经网络是图像分类领域效果卓越的深度学习算法，然而训练深度神经网络是一项繁琐且复杂的工作，不仅在结构设计上依赖开发人员丰富的经验，还容易产生过拟合现象。因此，该文提出一种基于模型迁移的图像识别方法，该方法能够在简化设计思路的同时极大地提升卷积神经网络的性能。此外还在三个小型图片集上进行了多次模型训练和对比分析。研究结果表明，经过迁移学习优化的卷积神经网络的测试集准确率均得到显著提升。
Research on Convolutional Neural Network Image Recognition Method Based on Transfer Learning

image recognitionDeep LearningConvolutional Neural NetworkTransfer LearningPre-trained Model

张文韬、张婷

展开 >

上海工程技术大学 机械与汽车工程学院,上海 201620

图像识别 深度学习 卷积神经网络 迁移学习 预训练模型

国家自然科学基金资助项目

11702168

2023

10.19850/j.cnki.2096-4706.2023.14.013

现代信息科技
广东省电子学会

现代信息科技

ISSN：2096-4706
年,卷(期)：2023.7(14)
  • 1
  • 12