科研之友
微信
新浪微博
Facebook
分享链接
摘要
识别类间差异较小的同类物种时容易出现识别错误问题，为此提出一种基于迁移学习的细粒度图像快速识别方法。通过计算迁移学习中的给定源域以及无标记目标域，获取图像像素数据集，输入至卷积神经网络模型预训练，凭借全连接层中softmax分类器，估计图像处于不同分类结果的概率，区分不同种类个体。使用多层感知机模型输出所有类别预测的概率值，计算度量指标与损失函数，使损失函数值达到最小化，最后通过迭代权重，更新类，找出近似解，完成细粒度图像识别。实验结果证明，所提方法能够实现对静态与动态图像的有效识别，且识别速度快、精度高。
-
单位重庆工程学院; 自动化学院; 重庆邮电大学; 物联网学院
