基于迁移学习的细粒度图像快速识别方法

摘要：

识别类间差异较小的同类物种时容易出现识别错误问题,为此提出一种基于迁移学习的细粒度图像快速识别方法.通过计算迁移学习中的给定源域以及无标记目标域,获取图像像素数据集,输入至卷积神经网络模型预训练,凭借全连接层中softmax分类器,估计图像处于不同分类结果的概率,区分不同种类个体.使用多层感知机模型输出所有类别预测的概率值,计算度量指标与损失函数,使损失函数值达到最小化,最后通过迭代权重,更新类,找出近似解,完成细粒度图像识别.实验结果证明,所提方法能够实现对静态与动态图像的有效识别,且识别速度快、精度高.

关键词：迁移学习、类间差异、细粒度图像、卷积神经网络、多层感知机模型

所属期刊栏目：39

分类号：TP37(计算技术、计算机技术)

资助基金：基于光学字符识别的高精度阅卷方法研究;重庆市自然科学基金;重庆市教科委的科研项目

在线出版日期：2022-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：217-220,383