跨开源数据集的拉曼光谱深度学习模型基准评测
机器学习
2026-01-23 v1
摘要
据报道，用于拉曼光谱的深度学习分类器在性能上日益超越经典化学计量学方法。然而，其评估往往孤立进行，或与最初并非为拉曼光谱提出的传统机器学习方法或简单适配的视觉架构进行比较。因此，在共享的开源数据集上，对专门为拉曼光谱分析开发的现有深度学习模型进行直接比较仍然稀缺。据我们所知，本研究首次系统性地在多个开源拉曼数据集上，对三个或更多已发表的拉曼专用深度学习分类器进行了基准评测。我们在三个开源拉曼数据集上，采用统一的训练和超参数调优协议，评估了五种有代表性的深度学习架构，这些数据集被选来支持标准评估、微调和显式分布偏移测试。我们报告了分类准确率和宏平均 F1 分数，为基于拉曼光谱的分类的深度学习模型提供了公平且可复现的比较。
引用
@article{arxiv.2601.16107,
title = {Benchmarking Deep Learning Models for Raman Spectroscopy Across Open-Source Datasets},
author = {Adithya Sineesh and Akshita Kamsali},
journal= {arXiv preprint arXiv:2601.16107},
year = {2026}
}
备注
17 pages, 3 figures