小型环境微生物图像数据集（EMDS-6）上深度学习分类方法的比较研究：从卷积神经网络到视觉Transformer
计算机视觉与模式识别
2022-02-04 v3
摘要
近年来，深度学习在环境微生物（EM）图像分类中取得了辉煌成就。然而，小型 EM 数据集的图像分类仍未获得良好的研究成果。因此，研究者需要花费大量时间寻找具有良好分类性能且适合当前设备工作环境的模型。为研究者提供可靠参考，我们在 21 个深度学习模型上进行了一系列比较实验。实验包括直接分类、不平衡训练和超参数调优实验。在实验中，我们发现 21 个模型间存在互补性，这是特征融合相关实验的基础。我们还发现几何形变的数据增强方法难以提升 VTs（ViT、DeiT、BotNet 和 T2T-ViT）系列模型的性能。在模型性能方面，Xception 具有最佳分类性能，ViT 模型训练耗时最少，ShuffleNet-V2 模型参数量最少。
引用
@article{arxiv.2107.07699,
title = {A Comparative Study of Deep Learning Classification Methods on a Small Environmental Microorganism Image Dataset (EMDS-6): from Convolutional Neural Networks to Visual Transformers},
author = {Peng Zhao and Chen Li and Md Mamunur Rahaman and Hao Xu and Hechen Yang and Hongzan Sun and Tao Jiang and Marcin Grzegorzek},
journal= {arXiv preprint arXiv:2107.07699},
year = {2022}
}