计算机论文：深度卷积神经网络的迁移学习方法范文研究与应用.docxVIP

下载本文档

20
0
约5.09千字
约 12页
2021-06-09 发布于江苏
举报
版权申诉

计算机论文：深度卷积神经网络的迁移学习方法范文研究与应用.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

计算机论文：深度卷积神经网络的迁移学习方法范文研究与应用本文针对迁移学习任务，对如何将深度卷积神经网络应用到迁移学习领域中的小规模数据集识别问题进行了深入的研究。与此同时，针对不同的情况，设计了三种迁移学习算法。本文主要的工作包括了以下几点：对于源域和目标域都有标签但任务不同的情况，现有方法大多采用固有的训练方式，即修改分类器层结合微调，此类方法忽略源域和目标域之间的内容差异性，特征提取主观性强。因此提出一种基于改进 ResNet 的深度迁移学习方法，通过增加网络层数提高模型的特征识别力。该算法对基于迁移学习的模型构建和训练方法进行了有益结合和改造，避免了因数据集的内容差异而导致的目标域特征