基于改进VGG-16神经网络的图像分类方法

作者：田佳鹭^*; 邓立国

来源：计算技术与自动化, 2021, 40(02): 131-135.

DOI：10.16339/j.cnki.jsjsyzdh.202102025

• VGG-16
• 卷积神经网络
• 图像分类
• 迁移学习
• Adaboost

为提高图像分类模型的准确度,提出了一种迁移学习VGG-16并对其进行改进的图像分类方法,即NewVGG-16模型。首先从ImageNet数据集中选取十种不同类型的部分图像数据,进行去噪、标准化等预处理;接着迁移学习VGG-16模型同时将其改进,模型的优化包括改进池化层为sortpool2d,在每个卷积层后面添加BN层以增强规范性,并选用Adaboost分类器提升整体的分类性能。通过训练集实现模型参数的调整,用测试集检验其准确性。实验证明,该模型能有效提升图像分类的准确性和适用性,准确度可达到98.75%。

• 单位
  沈阳师范大学