改进Smaller VGGNet的细粒度汽车图像分类算法

骆绍烨; 林子洋; 龙秋华; 林俊武; 黄佳燕

doi:10.16379/j.cnki.issn.1004-4353.2024.03.022

延边大学学报（自然科学版） ›› 2024, Vol. 50 ›› Issue (03) : 51 -55. DOI: 10.16379/j.cnki.issn.1004-4353.2024.03.022

改进Smaller VGGNet的细粒度汽车图像分类算法

骆绍烨, 林子洋, 龙秋华, 林俊武, 黄佳燕

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了提高细粒度车辆图像分类的准确度，提出了一种基于改进Smaller VGGNet的细粒度汽车图像分类算法模型.首先，重新调整了神经网络结构，以此提高训练的稳定性和分类的准确率；其次，替换特征的填充方式，以更好地捕捉局部信息，减缓过拟合现象；最后，利用ELU替换原有的ReLU激活函数，以加快模型收敛速度.在公开数据集上，将改进后模型与现有的6种图像分类算法进行对此.结果表明，改进后模型的细粒度汽车图像分类效果显著，且在训练过程表现出更好的稳定性.研究结果可为同类问题解决提供借鉴.