如需要完整文档点击下方 "点击下载文档" 按钮

中国传统诗词中蕴含着丰富的文化内涵。 为了从海量的诗词库中搜索出最符合图像意境的诗词,实现解析图像内容、提取图像特征关键词, 结合项目需求, 提出一种基于迁? 移学习的多 EfficientNet 融合网络的图像分类算法。 收集、整理了基础诗词库,创建了项目专有的诗词意象图像数据集 NID(nature image dataset), 其中共有 9 大类;将在 ImageNet 图像数据集上训练好的 EfficientNet 模型迁移到 NID 中,对 NID 进行特征提取和图像标签匹配度的权值计算,结合每种图像类别训练得到的不同模型权重,融合 9 种模型权重,部署为一个多 EfficientNet 融合网络模型;最后对比了多种深度学习模型在 NID 上的表现性能。 实验结果表明:多 EfficientNet 融合网络模型能够较为准确地解析图像,得到具有区分性的分类特征,并对 NID 的分类效果明显,收敛速度更快,精确率更高,符合项目中对诗词搜索的要求。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于迁移学习的图像分类在诗词中的应用研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061277

点击下载文档