为了将VGG-16模型和迁移学习方法相结合来实现纹理图像识别，需要对原有的VGG-16模型结构进行修改，从而构建新的迁移学习模型。首先，因为VGG-16模型前面的5个卷积模块主要用于输入提取的图像特征，并且这些卷积模块的参数已经在大规模ImageNet图像数据集上经过了充分的预训练，已经具备了较好的特征提取能力，所以对这5个卷积模块进行保留，将其作为新构建的迁移学习模型的特征提取器。......
2023-06-29
6.4.4 迁移学习模型的测试结果与分析
【摘要】：针对本章构建的迁移学习模型，根据上述实验设置的超参数值和最佳冻结层数，分别在KTH-TIPS和UMD纹理库上开展实验，对本章构建的迁移学习模型进行最终的测试，以便获得在测试集上的纹理识别精度。对UMD纹理库进行划分，其中每类的20个样本作为训练集，10个样本作为验证集，10个样本作为测试集。
针对本章构建的迁移学习模型，根据上述实验设置的超参数值和最佳冻结层数，分别在KTH-TIPS和UMD纹理库上开展实验，对本章构建的迁移学习模型进行最终的测试，以便获得在测试集上的纹理识别精度。在这里，对KTH-TIPS纹理库进行划分，其中每类的40个样本作为训练集，10个样本作为验证集，31个样本作为测试集。对UMD纹理库进行划分，其中每类的20个样本作为训练集，10个样本作为验证集，10个样本作为测试集。为了获得稳定的实验结果，在每个纹理库上独立进行10次实验，并将这10次实验结果的平均值作为最终的纹理识别结果。同时，为了进一步评估本章算法的性能，将本章算法与其他一些先进算法的识别精度进行比较。表6-2、表6-3分别展示了本章算法和其他一些先进算法在KTH-TIPS纹理库、UMD纹理库上的识别精度对比。
表6-2 不同算法在KTH-TIPS纹理库上的识别精度对比
表6-3 不同算法在UMD纹理库上的识别精度对比
从表6-2和表6-3可以看出：
（1）本章算法在KTH-TIPS纹理库上取得了99.94%的识别精度，在UMD纹理库上取得了99.91%的识别精度，一致超越了其他所有参与比较的先进算法的识别精度。
（2）和其他基于CNN模型的方法相比，其他CNN类算法都是直接利用现有的纹理图像样本对初始的CNN模型进行训练的，但现有的纹理图像训练样本的数量较少，这导致对深度CNN模型的训练不充分，最终获得的识别精度不够理想，而本章算法通过采用迁移学习方法，能够同时利用ImageNet大型数据集和现有纹理图像样本的特征，获得了更高的识别精度。
综上所述，本章算法在KTH-TIPS纹理库、UMD纹理库上都取得了最高的识别精度，这表明本章采用的基于VGG-16模型和迁移学习的方法在纹理图像识别任务中具有良好的识别能力，和传统方法相比，进一步提高了纹理图像的识别效果。
有关纹理图像的特征提取和识别的文章
- 详细阅读
-
MobileNet和迁移学习的模型优化设计详细阅读
表6-4MobileNet模型中一个DSC模块的结构2.顶端模块设计顶端模块的主要作用是对基端模块提取的纹理图像特征进行降维，并计算当前样本对所有类别的归属概率，最后根据归属概率的大小判断输入样本的类别标签。表6-5本节构造的基于MobileNet的迁移学习模型......
2023-06-29
-
迁移学习模型的训练和验证方法详细阅读
设计本章的迁移学习模型。将特征提取模块和分类器模块级联，即为本章设计的迁移学习模型。设置模型训练的超参数值。在初步训练分类器模块时，设置学习率为0.001，初步训练的轮数设为两轮。对整个模型进行微调训练。......
2023-06-29
-
探究迁移学习的可行性分析详细阅读
图6-7利用迁移学习方法解决小样本问题一般情况下，在源领域具有充足的训练样本，在预先训练CNN模型时也具有先进的硬件平台，并且已经消耗了大量的时间和计算资源，这使预训练的CNN模型已经具备了丰富的先验知识和良好的识别能力。......
2023-06-29
-
实验结果与分析：实验班与对照班作文测试对比详细阅读
（一）实验结果与结论表1实验班与对照班各阶段作文专项测试情况统计表说明： ①前测情况，由课题组在新生分班时考试测定，其余各阶段情况由课题组分别在各阶段结束时考试测定。县教研室、学校领导对实验老师予以了充分的理解和支持；实验初期的波折，没有影响实验的继续推行。......
2023-11-22
-
机器学习模型数据源分析详细阅读
为提高机器学习模型的效用，我们采用5折交叉验证方法，随机从原始数据中选择10 000例，并均分成5个数据集，分别标记为1，2，…使用数据集训练机器学习模型时，每次随机选择其中一个数据集为测试集，其余4/5的数据作为训练集进行模型训练，从而建立模型。......
2023-07-31
-
UGNX9.0超级学习手册-模型偏差分析详细阅读
在该对话框中单击按钮，系统弹出图3.23.21所示的“信息”窗口，在弹出的“信息”窗口中会列出指定的信息，包括分析点的个数、两个对象的最小距离误差、最大距离误差、平均距离错误、最小角度误差、最大角度误差、平均角度误差以及各检查点的数据。图3.23.20 选择对象图3.23.21 “信息”窗口Step4.检查曲线至面的偏差。说明：进行曲线至面的偏差检查时，选取图3.23.22所示的曲线1和曲面为检查对象。......
2023-11-20
-
TOF高精度载流子迁移率测试系统优化方案详细阅读
已有很多文章对载流子迁移率的重要性进行研究。图7-4所示为TOF实验装置图［8］。图7-4TOF系统2.TOF系统中的实际使用问题薄膜的厚度。TOF方法只适合载流子迁移率在10-7～10-1 cm2／V·sec范围，迁移率太高和太低都不适合。电子迁移率和空穴迁移率。在TOF系统中，数据的重复性包含了测量数据的可重复性及光电器件的可重复性。......
2023-06-20
相关推荐