基于VGG16的宠物犬识别方法

发布时间：2022-01-23 02:34

　　针对在犬类图像识别领域上存在需要手动提取特征、样本量不足、模型容易过拟合、训练时间较长等一系列问题,本文提出了一种基于迁移学习的深度卷积网络分类方法。该方法将数据预处理后,经过已经训练好的VGG16卷积神经网络自动学习图像特征,可以有效地解决模型过拟合、样本量不足等问题,并且通过微调网络参数,大大减少训练时间,且平均识别准确率能达到96%左右。 

【文章来源】：电子制作. 2020,(21)

【文章页数】：4 页

【部分图文】：

卷积神经网络结构

由于卷积神经网络结构比较复杂,需要大量的训练数据来支持其训练,避免发生过拟合(Overfitting)现象[9],但是在实际应用中很难获得大量的图像数据,所以数据增强(DataAugmentation)成为了一种获得大量数据的有效方法,它是一种很常见的提升卷积神经网络鲁棒性并减少过拟合的有效方法,本文通过图像旋转,平移,镜像,裁剪,缩放等方式扩充数据训练集。1.2.2添加噪声

图像添加噪声前后对比

【参考文献】：
期刊论文
[1]基于深度学习和迁移学习的水果图像分类[J]. 廉小亲,成开元,安飒,吴叶兰,关文洋.  测控技术. 2019(06)
[2]基于卷积神经网络的中国绘画图像分类[J]. 杨冰,陈浩月,王小华,姚金良.  软件导刊. 2019(01)
[3]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)
[4]基于迁移学习的图像识别研究[J]. 袁文翠,孔雪.  微型电脑应用. 2018(07)



本文编号：3603419