论文部分内容阅读
图像分类是计算机视觉中的重要研究课题,具有很高的研究价值和应用价值。传统的分类方法包括提取图像的颜色、纹理、边缘等特征,但分类的精度不高。为了提高图像的分类性能,采用迁移学习的图像分类方法,将训练好的模型在源图像数据集上进行迁移训练,然后保留预训练模型所有卷积层的参数,使其能适应目标数据集的识别。基于此,笔者重点介绍了迁移学习方法在图像分类中的训练过程及运用。