用于改进图像分类的增强型卷积神经网络
计算机视觉与模式识别
2025-02-04 v1 人工智能
摘要
图像分类是计算机视觉中的一项基本任务，应用范围广泛，从自主系统到医学成像。CIFAR-10 数据集是一个广泛使用的基准，用于评估分类模型在小规模多类数据集上的性能。卷积神经网络 (CNN) 已展现出最先进的结果；然而，当应用于像 CIFAR-10 这样具有挑战性的数据集时，它们常常遭受过拟合和次优特征表示的困扰。在本文中，我们提出了一种增强型 CNN 架构，该架构集成了更深的卷积块、批归一化和 dropout 正则化，以实现卓越的性能。所提出的模型达到了 84.95% 的测试准确率，优于基线 CNN 架构。通过详细的消融研究，我们证明了这些增强措施的有效性，并分析了分层特征表示。这项工作凸显了精炼的 CNN 架构在有效解决小规模图像分类问题方面的潜力。
引用
@article{arxiv.2502.00663,
title = {Enhanced Convolutional Neural Networks for Improved Image Classification},
author = {Xiaoran Yang and Shuhan Yu and Wenxi Xu},
journal= {arXiv preprint arXiv:2502.00663},
year = {2025}
}