面向电子元件分类的精炼 ImageNet 预训练模型比较研究
计算机视觉与模式识别
2025-08-01 v2
摘要
电子元件分类与检测对于制造业至关重要，显著降低劳动力成本，推动技术与产业发展。预训练模型，尤其是基于 ImageNet 训练的模型，在图像分类任务中表现突出，使研究人员即使在数据有限的情况下也能取得优异结果。本文比较了十二个 ImageNet 预训练模型在电子元件分类中的性能。我们的发现表明，所有测试的模型都达到了令人满意的准确率。MobileNet-V2 最高达到 99.95%，而 EfficientNet-B0 最低为 92.26%。这些结果凸显了在图像分类任务中使用 ImageNet 预训练模型的显著优势，并确认了这些方法在电子制造领域的实际应用价值。
关键词
引用
@article{arxiv.2506.19330,
title = {Comparative Performance of Finetuned ImageNet Pre-trained Models for Electronic Component Classification},
author = {Yidi Shao and Longfei Zhou and Fangshuo Tang and Xinyi Shi and Dalang Chen and Shengtao Xia},
journal= {arXiv preprint arXiv:2506.19330},
year = {2025}
}
备注
Due to issues related to author order and some problems in the current version regarding methodology, we would like to withdraw the preprint to avoid potential conflicts