《表1 特征提取:基于卷积神经网络的煤矸石图像识别》
采集和标注样本图像是一件极其费时费力的事情,而且煤矸石图像目前还没有公开的数据集,故采用迁移学习可以解决样本不足的问题。迁移学习是基于一个已经在大数据集上训练过的模型,在其基础上进行参数和知识的迁移。迁移学习不仅可以有效的解决样本缺乏的问题,同时也降低了深度学习模型对硬件的需求以及模型的训练时间。本文采用基于ImageN-et预训练的VGG-16模型参数(不包含全连接层部分参数)进行初始化,并结合微调技术对模型进行调整使其可以更好地应用在煤矸石图像的分类任务中。基于迁移学习的VGG-16模型的煤矸石特征提取过程如表1所示。
图表编号 | XD00145889900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 孙立新 |
绘制单位 | 河北工程大学 |
更多格式 | 高清、无水印(增值服务) |