面向小规模分类的可靠深度学习：基于孟加拉国真实世界图像数据集的实验
计算机视觉与模式识别
2026-01-30 v2
摘要
卷积神经网络（Convolutional Neural Networks, CNNs）在图像识别任务中已取得最先进的性能，但通常涉及复杂架构，可能在小数据集上过拟合。本研究在五个公开可用的孟加拉国真实世界图像数据集（包括城市侵占、车辆检测、道路损坏和农作物）上评估了一个紧凑型 CNN。该网络展现出高分类准确率、高效收敛和低计算开销。定量指标和显著性分析表明，该模型能有效捕获判别性特征，并在不同场景下稳健泛化，突显了精简 CNN 架构适用于小类别图像分类任务的适宜性。
引用
@article{arxiv.2601.11911,
title = {Reliable Deep Learning for Small-Scale Classifications: Experiments on Real-World Image Datasets from Bangladesh},
author = {Alfe Suny and MD Sakib Ul Islam and Md. Imran Hossain},
journal= {arXiv preprint arXiv:2601.11911},
year = {2026}
}