基于自适应调整VGG16网络的高色差视频图像预测

摘要：

为了提升高色差视频图像自动分类的精确度,文章采用开源的深度学习框架Pytorch,提出了一种基于深度学习的高色差图像分类方法.文章针对高色差图像分类提出一种调整后的VGG16网络模型(Ad VGG16),该网络利用正负例样本均衡化和学习率自适应调整来优化过拟合和局部最小值问题,其次因高色差图像分类效果与输入图像大小有很大关系,则修改VGG16网络第一个全连接层以适应任意大小的输入图像,再采用交叉验证来提高网络的泛化能力.最终的实验数据表明,与VGG16和ResNet18网络相比,Ad VGG16网络具有更好的分类准确度,其最终的分类准确度达到92％.

关键词：深度学习、VGG16、ResNet18、高对比度、分类

所属期刊栏目：20

分类号：TP183;TP391.9(自动化基础理论)

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：159-161,168