針對紫色土圖像數(shù)據(jù)集小、分類準確率不高的問題,提出一種基于ResNet50的小樣本紫色土圖像分類方法。首先,在ResNet50網(wǎng)絡(luò)結(jié)構(gòu)的最后一層卷積層后連接3層全連接層,采用SeLU激活函數(shù),并加入Dropout層,構(gòu)建紫色土圖像分類模型;再引入遷移學習方法,用ImageNet數(shù)據(jù)集訓練好的ResNet50網(wǎng)絡(luò)參數(shù)初始化紫色土圖像分類模型的卷積層參數(shù),然后用紫色土圖像數(shù)據(jù)集訓練模型,微調(diào)模型參數(shù),得到最終的紫色土圖像分類模型。實驗結(jié)果表明,基于ResNet50的紫色土圖像分類方法在小樣本紫色土圖像數(shù)據(jù)集上能得到較好的準確率。 

【文章來源】：現(xiàn)代計算機. 2019,(31)

【文章頁數(shù)】：5 頁

【部分圖文】：

紫色土圖像（d）棕紫泥土屬

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法綜述[J]. 楊真真,匡楠,范露,康彬.  信號處理. 2018(12)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的小樣本圖像識別方法[J]. 段萌,王功鵬,牛常勇.  計算機工程與設(shè)計. 2018(01)



本文編號：3427159