| 基于改進VGG16的猴子圖像分類方法 | |
| 所屬分類：技術論文 | |
| 上傳者：muyx | |
| 文檔大?。?span>2108 K | |
| 標簽： 遷移學習 VGG16 卷積神經網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：為提高對細粒度圖像分類的準確性和分類速度，提出基于改進VGG16和遷移學習的圖像分類方法。首先從kaggle平臺中獲取十種不同猴子數據集，并對數據集進行標準化處理，包含圖片去椒鹽噪聲、將數據集轉換為TensorFlow中提供的統一TFRecord數據格式。然后遷移學習改進的VGG16卷積神經網絡，模型的優化包括利用Swish作為激活函數、將softmax loss與center loss相結合作為損失函數以實現更好的聚類效果、采用性能完善的Adam優化器。用訓練集訓練模型以確定微調參數信息，再用測試集檢驗模型準確性。結果表明，該方法對猴子圖像分類的準確度可達到98.875%，分類速度也得到了顯著提升。與其他傳統卷積神經網絡模型相比，該方法具有更高的準確性和適用性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2