使用裂缝图像数据集探讨深度卷积神经网络中调参的影响
计算机视觉与模式识别
2025-06-05 v1 人工智能
机器学习
摘要
分类器的性能取决于其参数调优。在本文中，我们实验了各种调参对深度卷积神经网络（DCNN）性能的影响。在实验评估中，我们采用了一个由 2 个卷积层（CL）、2 个池化层（PL）、1 个 dropout 层和 1 个全连接层组成的 DCNN 分类器。为了观察池化、激活函数和优化器调参的影响，我们使用了一个包含阴性和阳性两类的裂缝图像数据集。实验结果表明，采用最大池化时，该 DCNN 在 adam 优化器和 tanh 激活函数下表现出更好的性能。
引用
@article{arxiv.2506.03184,
title = {Impact of Tuning Parameters in Deep Convolutional Neural Network Using a Crack Image Dataset},
author = {Mahe Zabin and Ho-Jin Choi and Md. Monirul Islam and Jia Uddin},
journal= {arXiv preprint arXiv:2506.03184},
year = {2025}
}
备注
8 pages, 2 figures, published at Proceedings of the 15th KIPS International Conference on Ubiquitous Information Technologies and Applications (CUTE 2021), Jeju, Repubilc of Korea