《表2 深度残差网络花卉识别结果》
%
实验2残差网络迁移学习性能评估。深度残差网络具有较深的层次,由于删除了全连接层,模型得到有效约简。在训练与测试过程中,迁移学习方法增加到531种花卉图片,图片尺寸256×256,共414 000张图片,在ResNet-50和ResNet-152模型基础上,对网络高层进行调整重训练。实验结果如表2所示,可以看出基于残差网络的迁移学习策略取得了很好的识别结果。特别是ResNet-152,其模型迁移重训练后,识别准确度得到了大幅度提升。说明了网络层次越深,模型容量越大。在目标领域中迁移学习训练后,可以充分获取目标领域的特征信息,因此可以达到更好的识别准确率。这也从另一个角度验证了深度学习架构的泛化能力要优于传统的手动设计特征与分类方案。
图表编号 | XD0035426600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 关胤 |
绘制单位 | 网龙网络控股有限公司大数据与人工智能实验室 |
更多格式 | 高清、无水印(增值服务) |