深度迁移学习在小批量图像分类中的应用

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

所属期刊栏目：35

分类号：TP751(遥感技术)

资助基金：南通市市级科技计划项目;南通理工学院科研项目;南通理工学院优秀本科毕业设计论文培育计划项目

在线出版日期：2023-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：60-62