|
|||||
|
|
| 深度卷积神经网络在Caltech-101图像分类中的相关研究 | |
| 作者单位： | ;1.天津工业大学;2.天津商业大学 |
| 摘 要： | 目前,国内关于评估预训练与微调对卷积神经网络性能影响的研究较少。基于此,提出采用Caffe框架中的Caffe Net网络结构,将卷积神经网络用于图片物体识别。为更直观分析计算过程,将卷积网络中部分隐含层特征进行了可视化,并在Caltech-101数据集上分析了随机初始化与预训练模型初始化条件下深度卷积的分类效果,以及全局微调模式与局部微调模式对图像分类的影响。结果表明,预训练模型初始化能够极大提高收敛速度和识别正确率,全局微调模式能较好地拟合新的样本数据,同样提高了识别正确率。在Caltech-101数据集上获得了95.24%的平均识别率,更加有效地优化了图像识别过程。 |
| 关 键 词： | 深度学习 卷积神经网络 图片分类 预训练 微调 |
RESEARCH ON DEEP CONVOLUTIONAL NEURAL NETWORK FOR CALTECH-101 IMAGE CLASSIFICATION |
|
| Abstract: | |
| Keywords: | |