一种基于改进卷积神经网络VGG-16的少量样本识别方法

本发明公开了一种基于改进卷积神经网络VGG‑16的少量样本识别方法，其目标是提升水下物体识别的准确性，有效改进过度拟合的问题。传统的VGG‑16算法往往容易陷入过度拟合，因为模型的复杂度较高，VGG‑16在小数据集上容易过度拟合，需要大量的数据进行训练才能能获得良好的泛化性能。而本发明提出的改进的VGG‑16算法通过迁移学习中的权值参数共享，对经过改进的VGG‑16模型进行了训练和测试。这一方法旨在有效识别特定样本，为探测到的水下物体提供准确的分析和判定。本发明的算法可以广泛应用于其他各种实际场景，如探测积雪厚度和人群拥挤程度等，为解决复杂问题提供了一种有效的优化方案。