巴基斯坦数据集图像分类性能分析
计算机视觉与模式识别
2026-01-09 v1
摘要
卷积神经网络 (CNN) 在图像分类任务中展现出惊人的成功，但在从头设计自定义CNN与采用广泛使用的预训练架构之间进行选择，仍是一个重要的实际考虑因素。本文presents一种自定义CNN与几种广泛使用的深度学习架构（包括VGG-16、ResNet-50和MobileNet）的比较分析，针对图像分类任务。自定义CNN从头开发并训练，而流行架构则在相同的实验设置下采用迁移学习。所有模型均使用标准性能指标进行评估，包括准确率、精确率、召回率和F1分数。实验结果表明，预训练CNN架构在分类准确率和收敛速度方面 consistently outperform自定义CNN，尤其在训练数据有限时表现更佳。然而，自定义CNN在参数数量和计算复杂度显著降低的情况下仍显示出竞争性能。这一研究突显了模型复杂度、性能和计算效率之间的权衡，并为选择合适的CNN架构来解决图像分类问题提供了实际见解。
引用
@article{arxiv.2601.04397,
title = {Performance Analysis of Image Classification on Bangladeshi Datasets},
author = {Mohammed Sami Khan and Fabiha Muniat and Rowzatul Zannat},
journal= {arXiv preprint arXiv:2601.04397},
year = {2026}
}