基于ResNet50的紫色土图像分类

发布时间：2021-10-09 23:05

　　针对紫色土图像数据集小、分类准确率不高的问题,提出一种基于ResNet50的小样本紫色土图像分类方法。首先,在ResNet50网络结构的最后一层卷积层后连接3层全连接层,采用SeLU激活函数,并加入Dropout层,构建紫色土图像分类模型;再引入迁移学习方法,用ImageNet数据集训练好的ResNet50网络参数初始化紫色土图像分类模型的卷积层参数,然后用紫色土图像数据集训练模型,微调模型参数,得到最终的紫色土图像分类模型。实验结果表明,基于ResNet50的紫色土图像分类方法在小样本紫色土图像数据集上能得到较好的准确率。 

【文章来源】：现代计算机. 2019,(31)

【文章页数】：5 页

【部分图文】：

紫色土图像（d）棕紫泥土属

【参考文献】：
期刊论文
[1]基于卷积神经网络的图像分类算法综述[J]. 杨真真,匡楠,范露,康彬.  信号处理. 2018(12)
[2]基于卷积神经网络的小样本图像识别方法[J]. 段萌,王功鹏,牛常勇.  计算机工程与设计. 2018(01)



本文编号：3427159