论文部分内容阅读
传统的卷积神经网络模型在图像识别过程中,需要耗费大量的时间和计算量,且在数据集较小的情况下极容易出现过拟合现象。针对这一缺陷,本文以车型识别为例,通过引用迁移学习,提出一种由粗到细收敛、慢慢细化的识别方法,从而加速了卷积神经网络的训练过程,并提高了小数据集的识别准确率。本文以Tensorflow为深度学习框架,将从ImageNet训练好的Inception v3作为预训练模型,对52种车型进行训练,并与传统的CNN算法进行对比。实验结果表明,引用迁移学习方法后,卷积神经网络模型在训练速度以及准确率上