基于PyTorch的迁移学习研究任务书

 2021-10-20 07:10

1. 毕业设计(论文)的内容和要求

作为人工智能技术的典型代表,深度学习已成为即将到来的第四次工业革命核心技术之一,并已成功应用到诸多领域。

但在某些应用领域,由于数据采集和标注费用高昂,构建大规模的标注良好的数据集非常困难。

迁移学习放宽了训练数据必须与测试数据独立同分布的假设,大大拓展了深度学习的应用范围。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 参考文献

[1] 刘健. 基于迁移卷积神经网络的图像分类应用研究[D].江门市:五邑大学,2018[2] 葛雨辰. 基于迁移学习的SAR图像分类方法研究[D].成都市:电子科技大学,2016[3] 姚旭晨. 基于深度迁移学习的图像分类方法研究[D].合肥:合肥工业大学,2019[4] 吴健,贾宏宇.基于迁移学习的图像分类方法研究[J].河南科技,2018,(31):20-22[5] 郜翔. 基于深度模型迁移学习的花卉图像分类方法[D].新乡市:河南师范大学,2018[6] Zhang J, Huang M, Jin X, et al. A real-time chinese traffic sign detection algorithm based on modified YOLOv2[J]. Algorithms, 2017, 10(4): 127.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。