《表1 迁移策略验证结果：基于残差网络迁移学习的花卉识别系统》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于残差网络迁移学习的花卉识别系统》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

实验1深度学习迁移策略验证。本文选取经典的AlexNet，以及Caffe中改进的CaffeNet来验证迁移学习算法的可靠性。其中非迁移模型是在原始训练好的模型基础上进行检测。而迁移策略包含两部分数据，一是从ImageNet中选取的116类花卉图片，89 603张做训练，9 943张做测试。二是网龙数据库中人工筛选的花卉图像380类，233 410张做训练，25 923张做测试，上述图片尺寸均为256×256。从表1的实验结果中可以看出，不管是单视角或多视角策略，AlexNet和CaffeNet的迁移学习方法在Top1和Top5都获得了较大幅度的提升。说明在深度卷积网络在大规模数据中学习到的边缘、纹理、颜色等方面的信息，适合于迁移到特定领域的网络低层次。而在花卉数据中学习到的信息，则可通过高层次参数调整实现。