基于B-CNN算法的汽车数据集细粒度图像分类分析 |
| |
引用本文: | 韩成春,崔庆玉.基于B-CNN算法的汽车数据集细粒度图像分类分析[J].自动化仪表,2022(3):7-10. |
| |
作者姓名: | 韩成春 崔庆玉 |
| |
作者单位: | 1. 徐州工程学院电气与控制工程学院;2. 徐州工程学院外国语学院 |
| |
基金项目: | 江苏省高校自然科学研究基金资助项目(13KJA52007);;江苏省科技厅重点研发计划-产业前瞻与共性关键技术开发应用基金资助项目(BE2015185); |
| |
摘 要: | 为了提高计算机视觉领域细粒度分类方法性能,采用双线性卷积神经网络(B-CNN)对其进行建模研究.以StanfordCars汽车数据集为研究对象,开展细粒度图像分类分析.对B-CNN进行阐述.应用了组归一化、dropout技巧,调整可训练参数,并在汽车数据集上进行试验.比较了经典卷积神经网络和B-CNN.在网络训练中,合...
|
关 键 词: | 计算机视觉 细粒度图像分类 双线性卷积神经网络 汽车数据集 最优解 建模 学习率 训练速度 |
|
|