基于改进VGG16的猴子图像分类方法
所屬分類：技术论文
上傳者：muyx
文檔大?。?span>2108 K
標(biāo)簽： 迁移学习 VGG16 卷积神经网络
所需積分：0分積分不夠怎么辦？
文檔介紹：为提高对细粒度图像分类的准确性和分类速度，提出基于改进VGG16和迁移学习的图像分类方法。首先从kaggle平台中获取十种不同猴子数据集，并对数据集进行标准化处理，包含图片去椒盐噪声、将数据集转换为TensorFlow中提供的统一TFRecord数据格式。然后迁移学习改进的VGG16卷积神经网络，模型的优化包括利用Swish作为激活函数、将softmax loss与center loss相结合作为损失函数以实现更好的聚类效果、采用性能完善的Adam优化器。用训练集训练模型以确定微调参数信息，再用测试集检验模型准确性。结果表明，该方法对猴子图像分类的准确度可达到98.875%，分类速度也得到了显著提升。与其他传统卷积神经网络模型相比，该方法具有更高的准确性和适用性。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。