基于深度卷积网的迁移学习技术研究

发布时间：2024-04-11 05:09

　　迁移学习(Transfer Learning)是运用已有的知识对不同但相关领域问题进行求解的一种机器学习方法,目标是从源任务中迁移已有的知识、经验应用到目标领域中。深度卷积网(DCN)受生物视觉认知机制启发,包含多层卷积、池化结构,现已成功地应用于图像识别、目标检测等领域。本文是在深度卷积网的基础上,研究并实现了迁移学习在图像分类中类别拓展和目标检测中目标拓展的应用,其主要的工作内容如下:1.针对各种数据增强方法对深度卷积网图像分类任务的影响,利用各种数据增强方法扩展训练图像样本,选取ImageNet的一个子集和CIFAR-10作为原始数据集,AlexNet作为预训练网络模型。实验结果表明,在相同条件下,小规模数据集通过数据增强后测试准确率明显提升,四种单项增强方法(剪切、翻转、WGAN、旋转)的性能总体上优于其他方法,并且合适的组合方式比其单项更有效。2.针对图像分类任务中类别拓展问题,研究并实现了基于微调的图像分类类别拓展算法和基于特征提取的图像分类类别拓展算法。前者通过将预训练模型和层冻结方法相结合进行模型微调,实现类别拓展;后者通过将预训练模型作为特征提取器,提取对应层的特征,...

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图２．１深度卷积网络模型结构??Ｆｉｇ．?２．１?Ｔｈｅ?ｍｏｄｅｌ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｄｅｅｐ?ｃｏｎｖｏｌｕｔｉｏｎａｌ?ｎｅｔｗｏｒｋ??

?一般情况下，深度卷积网络主要由输入层、卷积层、激活函数、池化层、全连接层??等部分构成，其结构如图２．１所示。一幅图像从输入开始，经过深度卷积网络各卷积－??池化层将图像不断的进行特征提取、降维［３４］操作，之后的全连接层根据提取的特征进行??分类输出。??、?丨?各：三＾?Ｊ....

图2:2卷积过程

（３）激活函数：深度卷积网络中加入一些非线性的激活函数［３５］，整个深度卷积网络??中就引入了非线性部分，增加了深度卷积网络的表达能力。在运算过程中，逐元素计算，??不改变原始数据的尺寸，即输入和输出的数据尺寸是相等的。常见的激活函数如图２．３??所示。??１０１?－—??１?〇....

图2.3常见的激活函数

?第二章深度卷积网与迁移学习概述???１?Ｉ?１?Ｉ?Ｔ?０?Ｉ?０?????Ａ??０?１１１０?１?Ｑ?＇???？?１?０??０?０?１１０??????１０?１??〇?１１１１１?〇?Ｉ?〇?Ｉ?１?Ｉ?ｕ?Ｉ?１??Ｉｍａｇｅ?５ｘ５?ｆｉｌｔｅｒ３ｘ３?ｆｅａｔｕｒｅ?ｍａ....

图２．５人类的迁移学习??Ｆｉｇ．?２．５?Ｔｈｅ?ｔｒａｎｓｆｅｒ?ｌｅａｒｎｉｎｇ?ｏｆ?Ｈｕｍａｎ??

迁移学习的目的是能够从Ｄｓ和Ｔｓ得到的信息中学习目标条件概率分布Ｐ〇Ｖ丨义７），??其中Ｄｓ＃Ｚ＾或者Ｔｓ＝＾７Ｖ。??总之，迁移学习试图把处理源域任务获取的知识应用于新的目标域，其过程如图２．６??所示：??１４??

本文编号：3950921