图像分类中用于特征提取的预训练模型评估
计算机视觉与模式识别
2023-10-04 v1 人工智能
摘要
近年来，我们见证了图像分类任务性能的显著提升。这一性能提升主要归因于深度学习技术的采用。一般而言，深度学习技术需要大量标注数据，这使其在应用于小数据集时成为挑战。在此情形下，迁移学习策略已成为克服这些问题的有前景的替代方案。本工作旨在比较不同预训练神经网络在图像分类任务中用于特征提取的性能。我们在四个图像数据集上评估了16种不同的预训练模型。我们的结果表明，跨数据集的最佳总体性能由CLIP-ViT-B与ViT-H-14取得，其中CLIP-ResNet50模型性能相近但变异性更小。因此，我们的研究为图像分类任务中特征提取模型的选择提供了支持性证据。
引用
@article{arxiv.2310.02037,
title = {An evaluation of pre-trained models for feature extraction in image classification},
author = {Erick da Silva Puls and Matheus V. Todescato and Joel L. Carbonera},
journal= {arXiv preprint arXiv:2310.02037},
year = {2023}
}