基于VGG卷积神经网络的动物特性识别与优化路径

科研成果详情

发表状态	已发表Published
题名	基于VGG卷积神经网络的动物特性识别与优化路径
作者	龚建伟; 孟博文; 童昱恒; 孔煜杰; 谭仪慧
发表日期	2023
发表期刊	智能计算机与应用
ISSN/eISSN	2095-2163
卷号	13 期号:05 页码:70-74+81
摘要	使用卷积神经网络进行图像识别，可以大大降低图像辨识的成本，在二分类问题中尤其如此。VGG模型是一种相当流行的卷积神经网络，其特性在于以小卷积核和“网络块”替代传统神经网络中的大卷积核与神经网络层，这意味着其深度有所增加，同时具有较强的迁移性与改进潜力。通过测试发现，增加VGG块数的同时，搭配图像增强是可靠的改进手段；而增加epoch有利有弊，对网络进行dropout的成效不太理想。针对于此，实验构建了一个准确度为83.3%的轻量化VGG模型，该模型相较VGG-16而言要轻量化许多，表明根据合理的方向构建轻量化VGG模型用于动物识别是可行的。
关键词	动物识别 VGG 卷积神经网络优化路径
URL	查看来源
语种	中文Chinese
文献类型	期刊论文
条目标识符	https://repository.uic.edu.cn/handle/39GCC9TT/11305
专题	北师香港浸会大学
作者单位	北京师范大学香港浸会大学联合国际学院理工科技学院
第一作者单位	理工科技学院
推荐引用方式 GB/T 7714	龚建伟,孟博文,童昱恒等. 基于VGG卷积神经网络的动物特性识别与优化路径[J]. 智能计算机与应用, 2023, 13(05): 70-74+81.
APA	龚建伟, 孟博文, 童昱恒, 孔煜杰, & 谭仪慧. (2023). 基于VGG卷积神经网络的动物特性识别与优化路径. 智能计算机与应用, 13(05), 70-74+81.
MLA	龚建伟,et al."基于VGG卷积神经网络的动物特性识别与优化路径". 智能计算机与应用 13.05(2023): 70-74+81.