典型文献
基于迁移学习和微调的起重机类型识别策略
文献摘要：
起重机具有诸多类型,不同类型的起重机具有不同的分析或保养方法,因此对起重机类型进行识别意义重大.针对深度卷积神经网络中存在的数据需求量大、训练时间长、计算成本高等问题,提出一种基于迁移学习和微调的起重机类型识别策略.通过搭建不包含分类层的预训练InceptionV3模型并连接自定义的分类层,利用迁移学习和微调技术,训练出适用于起重机类型识别任务的卷积神经网络.实验结果表明,相较于从头搭建并训练深度卷积神经网络,利用迁移学习和微调方法对预训练模型进行训练可得到较高的识别准确率,并且训练速度更快,训练时间显著缩短.验证集和测试集的识别准确率分别为98.24％和97.67％.
文献关键词：
图像识别;深度学习;卷积神经网络;数据增强;迁移学习;微调
中图分类号：
作者姓名：
赵章焰;刘璧钺
作者机构：
武汉理工大学物流工程学院,湖北武汉 430063
文献出处：
引用格式：
[1]赵章焰;刘璧钺-.基于迁移学习和微调的起重机类型识别策略)[J].机械设计与制造,2022(03):1-6,14
A类：
B类：
迁移学习,起重机,类型识别,识别策略,机具,多类型,保养方法,深度卷积神经网络,数据需求,训练时间,计算成本,InceptionV3,自定义,微调技术,练出,从头,预训练模型,识别准确率,训练速度,验证集,测试集,图像识别,数据增强
AB值：
0.296214
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
