使用深度模型迁移进行细粒度图像分类的方法.pdf

针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题，提出深度模型迁移（DMT）分类方法。首先，在粗粒度图像数据集上进行深度模型预训练；然后，使用细粒度图像数据集对预训练模型logits层进行不确切监督学习，使其特征分布向新数据集特征分布方向迁移；最后，将迁移模型导出，在对应的测试集上进行测试。实验结果表明，在STANFORDDOGS、CUB-200-2011、OXFORDFLOWER-102细粒度图像数据集上，DMT分类方法的分类准确率分别达到72.23%、73.33%和96.27%，验证了深度模型迁移方法在细粒度图像分类领域的有效性。 细粒度