MBInception：一种用于提升图像处理效率的新型多块 Inception 模型
图像与视频处理
2024-12-19 v1 计算机视觉与模式识别
数值分析
数值分析
摘要
深度学习模型，特别是卷积神经网络，通过直接从原始像素数据中自主提取特征，改变了图像分类的格局。本文介绍了一种创新的图像分类模型，该模型在卷积神经网络框架内采用三个连续的 Inception 块，并与 Visual Geometry Group、Residual Network 和 MobileNet 等成熟的架构进行了全面的比较分析。通过使用基准数据集，包括 Canadian Institute for Advanced Researc、Modified National Institute of Standards and Technology database 和 Fashion Modified National Institute of Standards and Technology database，我们评估了所提出模型与这些基准相比的性能。结果显示，我们的新模型在不同数据集上始终优于其对应模型，突显了其有效性及在推进图像分类当前技术前沿方面的潜力。评估指标进一步强调，所提出的模型超越了其他比较架构，从而提高了在标准数据集上的图像分类效率。
引用
@article{arxiv.2412.13703,
title = {MBInception: A new Multi-Block Inception Model for Enhancing Image Processing Efficiency},
author = {Fatemeh Froughirad and Reza Bakhoda Eshtivani and Hamed Khajavi and Amir Rastgoo},
journal= {arXiv preprint arXiv:2412.13703},
year = {2024}
}
备注
26 pages, 10 figures