基于VGG1的Caltech-101图像分类的灰度特征提取Matlab代码

简介：
本段代码运用了VGG1模型，在Caltech-101数据集上进行图像分类任务，并采用灰度特征提取方法，使用Matlab编写实现。 该项目通过Python和Matlab提供基于VGG16/19、SIFT以及灰度直方图的Caltech-101图像分类代码。实验环境为Windows 10/TensorFlow 1.14.0，Keras 2.3.1 和 Ubuntu 18.04 上的 Nvidia 2080Ti 的 Matlab R2019a。 对于Python部分，此代码用于训练整个数据集，使用Nvidia 2080 Ti时大约需要不到两小时。VGG16和VGG19模型的参考精度分别为59.02% 和 54.86%。要开始实验，请先下载Caltech-101 数据集并将其放置在“数据/”目录下，然后根据实际路径修改代码中的相应变量。 对于Matlab部分，该实现基于特征提取、SVM和vlfeat库，并且其精度比Python版本高约20%。推测原因可能是Matlab中使用的VGG模型经过了预训练处理，而Python版则是从头开始进行训练的。