跨多样本数据集轻量化与深度 CNN 模型的实验比较
计算机视觉与模式识别
2026-01-08 v1 机器学习
摘要
我们的实验结果表明，经过良好正则化的浅层网络结构可以在不依赖大型 GPU 或专业预训练模型的情况下，作为跨异构领域（从智能城市监控到农业品种分类）的高度具竞争力的基线。本工作建立了一个针对多个孟加拉国视觉数据集的统一、可复现的基准，凸显了轻量化 CNN 在资源受限环境中实际部署的实际价值。
引用
@article{arxiv.2601.03463,
title = {Experimental Comparison of Light-Weight and Deep CNN Models Across Diverse Datasets},
author = {Md. Hefzul Hossain Papon and Shadman Rabby},
journal= {arXiv preprint arXiv:2601.03463},
year = {2026}
}
备注
25 pages, 11 figures