面向基于图像的喷气机标签器的轻量级CNN探索
高能物理 - 唯象学
2026-02-23 v2 计算物理
数据分析、统计与概率
摘要
虽然基于Transformer和标准图神经网络(GNN)在对不同类型的喷气机进行分类方面已被证明是最佳表现者，但它们需要 substantial 计算资源。我们探索了使用轻量级可扩展版本EfficientNet架构，以及喷气机的全局特征。最终产品计算成本低廉，却能够实现具竞争性能。我们展示了该网络在对喷气机进行标签化方面的效能，即在众多轻质夸克和胶葡糖喷气机中识别顶点喷气机。该工作还阐明了全局特征对于准确性以及网络复杂度显著冗余性的重要性。
关键词
引用
@article{arxiv.2512.05031,
title = {CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers},
author = {Rajneil Baruah and Subhadeep Mondal and Sunando Kumar Patra and Satyajit Roy},
journal= {arXiv preprint arXiv:2512.05031},
year = {2026}
}
备注
14 pages, 4 figures, 2 tables, version sent to EPJC