CNN 与 ViT 在 Tiny ImageNet 和 DermaMNIST 数据集上的效率研究
计算机视觉与模式识别
2026-02-16 v2
摘要
本研究评估了卷积和变换器架构在医学和通用图像分类基准任务之间的权衡。我们以 ResNet-18 作为基线，引入一种应用于 DermatologyMNIST 和 TinyImageNet 上的四种 Vision Transformer 变体（Tiny、Small、Base、Large）的微调策略。我们的目标是在可接受的精度损失下，减少推理延迟和模型复杂度。通过系统性的超参数变更，我们展示，经过恰当微调的 Vision Transformer 能够匹配或超过基线的性能，实现更快的推理速度，并使用更少的参数，凸显了其在资源受限环境中的部署潜力。
引用
@article{arxiv.2505.08259,
title = {CNN and ViT Efficiency Study on Tiny ImageNet and DermaMNIST Datasets},
author = {Aidar Amangeldi and Angsar Taigonyrov and Muhammad Huzaifa Jawad and Chinedu Emmanuel Mbonu},
journal= {arXiv preprint arXiv:2505.08259},
year = {2026}
}