基于改进VGG16的猴子图像分类方法AET-电子技术应用-最丰富的电子设计资源平台

基于改进VGG16的猴子图像分类方法
所属分类：技术论文
上传者：muyx
文档大小：2108 K
标签：迁移学习 VGG16 卷积神经网络
所需积分：0分积分不够怎么办？
文档介绍：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。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动