《表1 是否冻结全部卷积层对实验结果的影响》
本文通过设计实现两种不同的迁移学习策略,从定量的角度,充分论证迁移学习的有效性。冻结全部卷积层是指仅允许预训练模型的顶层部分参与训练,而中低层的全部卷积层不参与,实验结果见表1。可以看出:(1)是否冻结全部卷积层对实验结果确有一定的影响,整体而言,允许部分卷积层参与训练过程可以获得更好的实验结果;(2)迁移学习方法的提出,使得以较低的成本实现深度网络模型的训练成为可能,由于模型已经在ImageNet数据集上进行了预训练,再次应用到目标数据集上时,训练时长明显缩短,一般仅需0.5小时~2小时;(3)相比较而言,VGG19的综合分类性能更好。
图表编号 | XD00206719600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.16 |
作者 | 陈道争、江倩 |
绘制单位 | 上海海事大学信息化办公室、上海海事大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |