首页> 中文期刊>湖北理工学院学报 >一种基于迁移学习的小样本图像分类方法

一种基于迁移学习的小样本图像分类方法

     

摘要

深度学习模型应用于小样本图像分类时,存在训练时间过长和过拟合的问题。鉴于此,提出了一种基于迁移学习的小样本图像分类方法。首先,将MobileNet-V2,Ineption-V3,Xception 3种深度卷积神经网络放在大型数据集中进行预训练,然后保留并冻结在源网络预训练过程中的基本参数,用数据增强的方法强化小样本数据后,再对小样本的目标数据集进行特征提取训练,最后对预训练的网络模型进行微调,并解冻部分层次,用于调整网络权重,并再次训练目标数据集。实验结果表明,迁移学习在小样本图像的应用中是有效的,可以构造出泛化性能很高的模型,大大减少了原深度模型训练时产生的过拟合问题。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号