基于数据增强和神经网络的小样本图像分类

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：深度学习算法在图像分类训练过程中存在着对训练样本需求量大以及难以获得较多样本等问题。文章对VGG网络模型的小样本学习问题进行研究，提出了基于数据增强和神经网络的小样本图像分类模型。改进模型通过主动数据增强学习结合DAGAN进行数据增强，可在一定程度上缓解样本数量过少的问题，并在网络中引入注意力机制（VGG-SE），使得深度神经网络在小样本图像分类中达到较高的准确率，实验结果表明了所提模型的有效性。（剩余7827字）

试读结束

目录
monitor
客服机器人