迁移学习与图像分类

作者：凡人多烦事01 | 2024-06-10 08:02:24

踩

迁移学习图像分类

我们在上一节提到了迁移学习与计算机视觉

这一节为大家详细介绍其中的原理

7.2 计算机视觉遇上迁移学习

迁移学习(Transfer Learning) 顾名思义就是将训练好的模型（预训练模型）参数迁移到新的模型来优化新模型训练。因为大部分的数据和任务都是存在相关性的，所以我们可以通过迁移学习将预训练模型的参数（也可理解为预训练模型学到的知识）通过某种方式迁移到新模型，进而加快并优化模型的学习效率。其中，实现迁移学习有以下三种方式：

1) 直接迁移

冻结预训练模型的全部卷积层，删除预训练模型的全连接层，添加并训练自己定制的全连接层。

2) 提取特征向量

抽取预训练模型的卷积层对所有数据的特征向量，将特征向量灌入自己自己定制的全连接网络。

3) Fine-tune

冻结预训练模型的部分卷积层，甚至

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/凡人多烦事01/article/detail/697859