基于迁移学习的卷积神经网络图像识别方法研究

摘要：

卷积神经网络是图像分类领域效果卓越的深度学习算法,然而训练深度神经网络是一项繁琐且复杂的工作,不仅在结构设计上依赖开发人员丰富的经验,还容易产生过拟合现象.因此,该文提出一种基于模型迁移的图像识别方法,该方法能够在简化设计思路的同时极大地提升卷积神经网络的性能.此外还在三个小型图片集上进行了多次模型训练和对比分析.研究结果表明,经过迁移学习优化的卷积神经网络的测试集准确率均得到显著提升.

关键词：图像识别、深度学习、卷积神经网络、迁移学习、预训练模型

所属期刊栏目：7

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金11702168

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：57-60