【《经典卷积神经网络与迁移学习概述》4400字】_第1页
【《经典卷积神经网络与迁移学习概述》4400字】_第2页
【《经典卷积神经网络与迁移学习概述》4400字】_第3页
【《经典卷积神经网络与迁移学习概述》4400字】_第4页
【《经典卷积神经网络与迁移学习概述》4400字】_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

经典卷积神经网络与迁移学习概述目录TOC\o"1-3"\h\u8188经典卷积神经网络与迁移学习概述 )也即卷积核大小是，可分离卷积的计算量大概是普通卷积的1/9。网络的整体配置如图2-15所示。图2-15MobileNetV2网络结构图1.4迁移学习迁移学习是一种机器学习方法，它意味着将一个领域的知识，转移应用到其他领域，从而在其他领域也能够取得很好的学习效果。一般来讲，当数据量较小时，就可以从其他数据量较大的场景进行迁移学习。在研究数据集类属样本数量均衡性对卷积神经网络的图像分类结果的影响之前，我们首先需要确定实验要采用的识别模型。本次实验中对番茄叶片病害进行分类，但是实验中番茄病害叶片数不充足，但是却存在着大量的其他训练数据，而且特征分布不同，这样的话，采用迁移学习的方法就能大大提高番茄叶片病害的分类识别结果。其中，实现迁移学习主要有以下两种手段：（1）特征提取：先通过运算获得所调用模型的卷积层对数据集的特征向量，然后丢弃已下载好的所调用的模型，只训练自己创建的全连接模型。（2）微调：将所调用模型的其中一部分卷积层（通常是靠近输入的多数卷积层，因为这些层保留了大量底层信息）参数进行保留，或者不保留卷积层参数，让剩余的卷积层和全连接层重新学习特征。其中，本文主要采取第二种方法，即基于微调的迁移学习。本文用到的经典CNN模型为VGG16、ResNet50、InceptionV3、MobileNetV2等。农作物病害图像数据集在输入模型结构前会对图像进行数据预处理，在训练开始时，模型结构的初始参数会使用卷积神经网络在ImageNet上预先训练好的参数，训练开始后，随着模型逐步拟合训练集，通过验证集的性能表现从而不断微调实验训练的超参数或者训练方式。经过训练之后，对测试集进行农作物病害识别，通过识别准确率来研究模型训练成功后的性能。本次实验选择的神经网络模型保留并冻结前面的卷积层，去掉顶层的全连接层，添加一组自定义的全连接层来进行新的分类。其中网络结构包括已训练好的卷积层、2个全连接层

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论