本课题结合迁移学习策略，设计了一种适用于纸病图像的小样本深度卷积神经网络分类器。首先冻结VGG16网络卷积层的前7层卷积层参数，微调后面的卷积层，完成纸病特征的提取；其次改进用于分类的全连接层，使其满足纸病分类的需求；最后在训练过程中采用迁移学习策略，提高训练效率。结果表明该方法能够提高纸病识别效率及精度，使得纸病识别功能有了进一步加强。
科研之友
微信
新浪微博
Facebook
分享链接
