典型文献
基于迁移学习的花类图像分类方法研究
文献摘要：
传统的花类识别方法和普通卷积神经网络模型无法对花类图像进行准确的特征提取,花类之间较高的相似性使得分类识别较难.针对以上问题,为提高图像识别率,提出一种基于VGG16网络的迁移学习方法,对花卉图像进行分类.首先对花卉图像进行数据加强,然后对数据集预训练模型进行迁移学习,修改全连接分类层,最后对优化器与激活函数进行微调,得出分类结果.实验表明:该模型在花类分类识别中比传统方法和普通卷积神经网络模型得出的准确率高,迁移后准确率达到89.10％.
文献关键词：
图像分类;VGG16网络结构;数据增强;迁移学习;随机梯度下降;微调
中图分类号：
作者姓名：
邵良玉
作者机构：
200082 上海市 上海理工大学 机械工程学院
文献出处：
引用格式：
[1]邵良玉-.基于迁移学习的花类图像分类方法研究)[J].农业装备与车辆工程,2022(07):62-64,99
A类：
花类识别
B类：
图像分类,分类方法,卷积神经网络模型,分类识别,图像识别,识别率,VGG16,迁移学习方法,花卉图,预训练模型,全连接,优化器,激活函数,微调,中比,数据增强,随机梯度下降
AB值：
0.296475
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。
