arXiv · 图像模型
大规模研究细粒度图像识别训练与评估设置的精度与成本权衡
一项涵盖超过2000次实验的大规模研究系统分析了细粒度图像识别中不同训练和评估设置对精度与计算成本的影响。研究发现，在主流基准上，适度的数据增强和较小的模型尺寸即可达到接近最优的性能，而过度增加参数或训练步数带来的收益递减。该研究为实际部署中平衡资源与精度提供了数据驱动的参考依据。
- 域名
arxiv.org- 评分
- 3 · 可关注
- 发布
- 2026-05-18
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Prior work on fine-grained image recognition (FGIR) has established the importance of the backbone selection, but has neglected the accuracy-vs-cost trade-offs under different training and evaluation settings. In this work we conduct a large-scale study with over 2000 experiments across 6 training …