基于VGG卷积神经网络的动物特性识别与优化路径

使用卷积神经网络进行图像识别,可以大大降低图像辨识的成本,在二分类问题中尤其如此。VGG模型是一种相当流行的卷积神经网络,其特性在于以小卷积核和“网络块”替代传统神经网络中的大卷积核与神经网络层,这意味着其深度有所增加,同时具有较强的迁移性与改进潜力。通过测试发现,增加VGG块数的同时,搭配图像增强是可靠的改进手段;而增加epoch有利有弊,对网络进行dropout的成效不太理想。针对于此,实验构建了一个准确度为83.3%的轻量化VGG模型,该模型相较VGG-16而言要轻量化许多,表明根据合理的方向构建轻量化VGG模型用于动物识别是可行的。