用户登录
期刊信息
  • 主管单位：
  • 中国科学技术协会
  • 主办单位：
  • 中国仪器仪表学会、上海光学仪器研究所、中国光学学会工程光学专业委员会
  • 主  编：
  • 庄松林
  • 地  址：
  • 上海市军工路516号上海理工大学《光学仪器》编辑部
  • 邮政编码：
  • 200093
  • 联系电话：
  • 021-55270110
  • 电子邮件：
  • gxyq@usst.edu.cn
  • 国际标准刊号：
  • 1005-5630
  • 国内统一刊号：
  • 31-1504/TH
  • 邮发代号：
  • 单  价：
  • 15.00
  • 定  价：
  • 90.00
排行榜
下载排行 点击排行 被引频次
友情链接
基于迁移学习的VGG-16网络芯片图像分类
Image classification of migration learning chip based on VGG-16 network
投稿时间：2019-11-22  
DOI：10.3969/j.issn.1005-5630.2020.03.004
中文关键词:  图像分类  卷积神经网络  迁移学习  VGG-16
英文关键词:image classification  convolutional neural network  transfer learning  VGG-16
基金项目:
作者单位E-mail
马俊 上海理工大学 光电信息与计算机工程学院,上海 200093  
张荣福 上海理工大学 光电信息与计算机工程学院,上海 200093 zrf@usst.edu.cn 
郭天茹 上海理工大学 光电信息与计算机工程学院,上海 200093  
张喆嫣 上海理工大学 光电信息与计算机工程学院,上海 200093  
李卿 上海理工大学 光电信息与计算机工程学院,上海 200093  
王蓉 上海理工大学 光电信息与计算机工程学院,上海 200093  
李子莹 上海理工大学 光电信息与计算机工程学院,上海 200093  
摘要点击次数: 2877
全文下载次数: 3526
中文摘要:
      针对芯片图像分类过程中图像数量过少、需要大量人工标注以及效率低的问题，提出一种基于迁移学习的VGG-16网络芯片图像分类方法。该方法通过VGG-16网络直接从原始像素中自动学习图像特征，有效减少人工标注的成本，同时对比了VGG-16网络模型和基于迁移学习的VGG-16网络模型的准确率及其混淆矩阵。实验结果表明，所提出的基于迁移学习的VGG-16网络模型对芯片图像分类效果要优于原VGG-16网络模型。
英文摘要:
      To solve the problems of lack of images, too much manual marking and low efficiency in the process of chip image classification, a VGG-16 network chip image classification method based on migration learning is proposed. This method is based on the VGG-16 automatic learning in network and can extract directly from the original pixel image characteristics, effectively reducing the cost of manual annotation. In comparison with VGG-16 network model and VGG-16 network model based on transfer learning accuracy and confusion matrix, the experiment results show that the proposed VGG-16 network model based on the migration study on chip image classification effect is better than the original VGG - 16 network model.
HTML   查看全文  查看/发表评论  下载PDF阅读器
关闭

版权所有：
主管单位：中国科学技术协会 主办单位：中国仪器仪表学会、上海光学仪器研究所、中国光学学会工程光学专业委员会 主　　编：庄松林
地　　址：上海市军工路516号上海理工大学《光学仪器》编辑部 邮政编码：200093
技术支持：北京勤云科技发展有限公司