深度迁移学习在小批量图像分类中的应用

作     者：赵沪 张琼 杭益柳 杨诚 江小静 ZHAO Hu;ZHANG Qiong;HANG Yiliu;YANG Cheng;JIANG Xiaojing

作者机构：南通理工学院计算机与信息工程学院江苏南通226000 

基　　金：南通市市级科技计划项目(指导性)项目(项目编号:MSZ20072、JCZ20173) 南通理工学院科研项目(项目编号:2021XK(J)08) 南通理工学院优秀本科毕业设计(论文)培育计划(项目编号:BS202211、BS202212) 

出 版 物：《信息与电脑》 (Information & Computer)

年 卷 期：2023年第35卷第1期

页      码：60-62页

摘      要：利用深度迁移学习算法,将深度模型迁移至小批量数据中进行使用,解决过拟合和对数据标签依赖性强的问题。首先,将已经训练好的模型应用在相似图像分类任务中,提高模型效率;其次利用微调策略,对深度学习网络全连接层进行调整,丢弃部分神经元以降低过拟合的发生,提高模型准确性;最后使用DogsVSCats数据集进行测试。实验结果表明,深度迁移学习算法在小批量样本数据中具有更高的准确性。

主 题 词：深度学习 迁移学习 过拟合 小批量样本 图像分类 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

D　O　I：10.3969/j.issn.1003-9767.2023.01.019

馆 藏 号：203118897...