基于迁移学习的图像分类在诗词中的应用研究

摘要：

中国传统诗词中蕴含着丰富的文化内涵.为了从海量的诗词库中搜索出最符合图像意境的诗词,实现解析图像内容、提取图像特征关键词,结合项目需求,提出一种基于迁移学习的多EfficientNet融合网络的图像分类算法.收集、整理了基础诗词库,创建了项目专有的诗词意象图像数据集NID(nature image dataset),其中共有9大类;将在ImageNet图像数据集上训练好的EfficientNet模型迁移到NID中,对NID进行特征提取和图像标签匹配度的权值计算,结合每种图像类别训练得到的不同模型权重,融合9种模型权重,部署为一个多EfficientNet融合网络模型;最后对比了多种深度学习模型在NID上的表现性能.实验结果表明:多EfficientNet融合网络模型能够较为准确地解析图像,得到具有区分性的分类特征,并对NID的分类效果明显,收敛速度更快,精确率更高,符合项目中对诗词搜索的要求.

关键词：迁移学习、图像分类、Nature Image Dataset/NID、特征提取、多EfficientNet融合网络

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2021-08-02（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：215-220