深度迁移学习在小批量图像分类中的应用

利用深度迁移学习算法，将深度模型迁移至小批量数据中进行使用，解决过拟合和对数据标签依赖性强的问题。首先，将已经训练好的模型应用在相似图像分类任务中，提高模型效率；其次利用微调策略，对深度学习网络全连接层进行调整，丢弃部分神经元以降低过拟合的发生，提高模型准确性；最后使用DogsVSCats数据集进行测试。实验结果表明，深度迁移学习算法在小批量样本数据中具有更高的准确性。