基于迁移学习的图像识别研究  

A Study of Image Recognition Based on Transfer Learning

作　　者：袁文翠[1] 孔雪 YUAN Wencui;KONG Xue(School of Computer ＆ Information Technology,Northeast Petroleum University,Daqing 163318)

机构地区：[1]东北石油大学计算机与信息技术学院,大庆163318

出　　处：《微型电脑应用》2018年第7期10-12,共3页Microcomputer Applications

基　　金：中国石油科技创新基金研究项目(2013D-5006-0203);黑龙江省科技攻关项目(GZ09A120);黑龙江省教育厅科学技术研究项目(12521050)

摘　　要：在运用深度学习解决问题时,最常见障碍在于训练模型需要海量的数据。虽然每天互联网上以TB的量级产生数据(尤其是无语言障碍的图像数据),但对于新领域仅有小部分的数据带有标签,若对这些数据都进行人工标记,将会耗费大量的人力与物力,这就给模型的训练带来了极大的挑战。将针对上述问题,提出运用Fine-tune模型、域对抗训练从现有的数据中迁移知识,训练自己的小样本数据集。The most common obstacle in using deep learning to solve problems is that the training model requires a huge amount of data.Although data are generated on the Internet every day with magnitude of TB（especially the image data without language barriers）,only a small fraction of the data is tagged in new field.If these data use Artificial marker,it will spend a lot of manpower and material resources.Bring agreat challenge to train model,aiming to solve above problems,the paper uses Finetune model,domain-adversarial training to transfer knowledge from existing data to train small sample data set.

关 键 词：深度学习 Fine-tune模型 域对抗 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]