基于改进VGG16网络的小尺寸图像识别研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：在嵌入式系统和边缘计算中，为提高VGG16卷积神经网络对小尺寸图像识别的计算效率，通过调整模型全连接层数量、卷积核数量和使用全局平均池化替代全连接层等方式对VGG16网络进行改进，降低网络模型的可训练参数量。将改进的神经网络模型在图像增强的CIFAR-10数据集上进行训练，训练集达到99%以上的识别准确率，测试集可以达到90%以上的识别准确率，改进后的网络模型参数量较VGG16网络参数量减少了89.04%，验证了改进网络模型的有效性。（剩余8440字）

试读结束

目录
monitor