深度迁移学习在小批量图像分类中的应用 |
| |
引用本文: | 赵沪,张琼,杭益柳,杨诚,江小静.深度迁移学习在小批量图像分类中的应用[J].信息与电脑,2023(1):60-62. |
| |
作者姓名: | 赵沪 张琼 杭益柳 杨诚 江小静 |
| |
作者单位: | 南通理工学院计算机与信息工程学院 |
| |
基金项目: | 南通市市级科技计划项目(指导性)项目(项目编号:MSZ20072、JCZ20173); |
| |
摘 要: | 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。
|
关 键 词: | 深度学习 迁移学习 过拟合 小批量样本 图像分类 |
|
|