《表1 FVI模型参数:改进的Inceptionv3果蔬识别算法》
注:其中m为数据集的种类,实验中m为40
迁移学习[27]常用方法有2种:特征迁移,除去预训练模型的最后一层,将其之前的特征向量(激活值)送入SVM(支持向量机)等分类器进行训练[26];参数迁移,研究者仅需初始化网络中的几层,其余层仍使用预训练模型的参数[27]。这里采用参数迁移学习方法将Inception修改为用于果蔬种类识别的Fruit&Vegetable_Inception(FVI),FVI深度卷积神经网络模型共包含4个卷积模块运算(1个常规卷积块和3个inception结构)和10个混合层,其参数见表1。
图表编号 | XD00101769900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.10 |
作者 | 巨志勇、马素萍 |
绘制单位 | 上海理工大学、上海理工大学 |
更多格式 | 高清、无水印(增值服务) |