基于卷积神经网络的小样本图像识别方法

摘要：

为提高仅包含少量训练样本的图像识别准确率,利用卷积神经网络作为图像的特征提取器,提出一种基于卷积神经网络的小样本图像识别方法.在原始小数据集中引入数据增强变换,扩充数据样本的范围;在此基础上将大规模数据集上的源预训练模型在目标小数据集上进行迁移训练,提取除最后全连接层之外的模型权重和图像特征;结合源预训练模型提取的特征,采用层冻结方法,微调目标小规模数据集上的卷积模型,得到最终分类识别结果.实验结果表明,该方法在小规模图像数据集的识别问题中具有较高的准确率和鲁棒性.

关键词：卷积神经网络、模型预训练、模型微调、迁移学习、小样本

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目60901078;郑州市科技计划基金项目10LJRC189

在线出版日期：2018-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：224-229