一种基于ResNet与迁移学习的小样本图像识别方法

作者：韩晓臻; 金冉; 李家辉; 郁婷

来源：浙江万里学院学报, 2020, 33(06): 82-90.

DOI：10.13777/j.cnki.issn1671-2250.2020.06.014

• 卷积神经网络
• 图像识别
• 迁移学习
• pytorch

随着人工智能大数据的蓬勃发展,网络信息量呈井喷式增长,信息的精确性查询也面临着前所未有的挑战,而图像作为人对视觉感知的物质再现,时刻都有着大量的检索请求,但是传统图像目标识别标注主要是基于像素级别标注的监督学习,面对大规模高质量图像识别很难满足用户精确快速查询到目标内容。本文研究基于卷积神经网络CNN(Convolutional Neural Network)的动物分类模型,利用迁移学习,以预测训练网络的特征并结合CNN的混合分类模型。实验以CATS/DOGS作为数据集,使用PyTorch训练网络模型。实验研究表明,利用CNN+迁移学习算法,取得了96.43%的准确率,较传统方法有显著提高。对于小规模数据集,有效解决了需要人工提取特征的不可迁移性。

• 单位
  浙江万里学院