基于改进VGG16图像分类方法研究

伊卫国; 杨金玮

doi:10.13291/j.cnki.djdxac.2024.04.017

大连交通大学学报 ›› 2024, Vol. 45 ›› Issue (04) : 108 -112+120. DOI: 10.13291/j.cnki.djdxac.2024.04.017

基于改进VGG16图像分类方法研究

伊卫国, 杨金玮

作者信息 +

Author information +

文章历史 +

PDF (8137K)

摘要

针对神经网络模型在训练过程中遇到的收敛速度慢和测试样本不平衡导致的准确率降低问题，提出了一种基于改进VGG16图像分类模型的LBF-VGG16(Leaky-Bactch-Focal-VGG16)。该模型将原Relu激活函数替换为Leaky Relu,并在卷积层与激活函数之间引入BN层，以优化收敛效果。在训练过程中，采用SGD优化器，并融入Focal Loss损失函数。试验结果表明，LBF-VGG16模型在分类效果和收敛速度方面较改进前均有显著提升