基于数据增强和CNN的小样本图像分类研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为解决卷积神经网络在研究图像分类问题时，由于训练样本过少而导致模型过拟合、测试准确率低的问题，本文整合了一套轻量级的数据增强方案，可以快速扩充图像样本。本文以Fashion-MNIST和CIFAR-10数据集为例，在只选取少量初始样本的前提下进行数据扩充，采用TensorFlow深度学习框架和Keras搭建VGGNet-13和ResNet-18模型进行训练和测试。（剩余8422字）

试读结束

目录
monitor
客服机器人