基于深浅层特征融合的改进VGG-16图像识别方法

基于深浅层特征融合的改进VGG-16图像识别方法

本文研究了一种基于深浅层特征融合的改进VGG-16图像识别方法。通过在改进后的VGG-16网络模型中引入深浅层特征融合，提升模型对图像特征的提取能力，进而提高图像识别准确率。

实验结果显示，与参数量为15278946的改进VGG-16网络模型相比，融合特征层数最多、识别准确率最高的特征融合模型7，其网络模型参数量仅增加了458752，达到15737698。

结果表明：

• 深浅层特征融合可以有效提高VGG-16模型的图像识别准确率。
• 所提方法在保证识别准确率提升的同时，对模型参数量的增加控制在较低水平。

未来研究方向：

• 探索更优的深浅层特征融合策略，进一步提升模型性能。
• 将所提方法应用于其他图像识别任务，验证其泛化能力。