[论文] 在五个异构图像数据集上训练自定义CNN

Source: arXiv - 2601.04727v1

请提供您希望翻译的具体文本内容，我将按照要求将其翻译成简体中文并保留原始的格式、Markdown 语法以及技术术语。谢谢！

概述

本文评估了一种轻量级、定制构建的卷积神经网络（CNN）在五个截然不同的图像集合上的表现，并将其与重量级的现成模型（ResNet‑18、VGG‑16）进行比较——这些集合涵盖了从农场的芒果品种分类到城市道路表面监测等场景。通过对每个模型进行从头训练和迁移学习，作者揭示了模型规模、数据量与实际鲁棒性之间的权衡，为需要在受限硬件上实现高精度视觉解决方案的工程师提供了实用指南。

关键贡献

• Custom CNN design – 一种紧凑的架构（≈ 0.9 M 参数），能够在边缘设备上流畅运行，同时在全部五个任务上提供竞争性的准确率。
• Systematic benchmark – 对自定义模型、ResNet‑18 和 VGG‑16 在三种训练方案下进行并列比较：(i) 随机初始化，(ii) ImageNet‑pretrained weights（迁移学习），以及 (iii) 在每个数据集上微调。
• Cross‑domain analysis – 揭示照明变化、分辨率差异和类别不平衡如何影响各架构的收敛性和泛化能力。
• Guidelines for data‑constrained scenarios – 为何在小规模或噪声数据集上，迁移学习的收益往往超过更大模型的成本，提供明确的建议。

方法论

1. 数据集 – 五个公开发布的集合，涵盖农业（芒果、稻田）和城市（道路状况、自动人力车检测、人行道侵占）领域。规模从约 1 k 到约 12 k 张图像不等，每个任务包含 2–8 类。
2. 预处理与增强 – 统一将图像缩放至 224 × 224，进行每通道均值减除，并在训练时实时进行增强（随机翻转、旋转、亮度抖动），以缓解类别不平衡和光照变化。
3. 模型架构
   • 自定义 CNN：3 个卷积块（3×3 卷积核、批归一化、ReLU）→ 全局平均池化 → 1 个全连接分类器。
   • ResNet‑18 与 VGG‑16：标准 PyTorch 实现。
4. 训练方案
   • 从头训练：随机权重初始化，Adam 优化器，学习率 = 1e‑3，余弦退火。
   • 迁移学习：加载 ImageNet 权重，冻结前两层块，使用较低学习率 (1e‑4) 对其余层进行微调。
5. 评估 – 5 折交叉验证；指标包括总体准确率、每类 F1 分数，以及在 Raspberry Pi 4（CPU）和 NVIDIA Jetson Nano（GPU）上的推理延迟。

结果与发现

• 迁移学习优势 在两个最小的数据集（Mango、Paddy）上表现突出，Custom CNN 以远少的参数实现了 >90 % 的准确率。
• 网络深度重要 对于视觉更复杂的任务（Auto‑Rickshaw 检测），ResNet‑18 相比自定义模型提升约 2 % 的绝对准确率。
• 推理速度：Custom CNN 在边缘硬件上快 3–4 倍，适合实时监控。
• 类别不平衡 通过数据增强已基本得到缓解；但在最小的数据集上从头训练的 VGG‑16 仍然出现过拟合。

实际意义

• 边缘部署 – 开发者可以将定制的 CNN 部署到低成本设备（如 Raspberry Pi、Jetson Nano），用于现场农业分拣或城市基础设施监测，而不会显著牺牲准确率。
• 快速原型 – 使用 ImageNet 权重的迁移学习流水线可将训练时间缩短约 60 %，并在数据稀缺的领域提升性能，这对构建细分视觉产品的初创公司是一个实用的捷径。
• 资源预算 – 论文量化了模型规模与延迟之间的权衡，帮助产品经理判断在特定使用场景（例如高分辨率交通摄像头 vs. 电池供电的现场传感器）下是否值得采用更重的骨干网络。
• 数据集设计 – 作者的增强配方（亮度抖动 + 随机旋转）在光照变化大的领域表现出色，为处理类似异质性数据的工程师提供了一套现成的方案。

限制与未来工作

• 数据集规模 – 五个数据集均相对较小（<12 k 张图像）；在大规模工业数据集上，结果可能会有所不同，因为更深的网络通常表现更佳。
• 领域迁移 – 本研究未探讨跨领域泛化（例如，在芒果图像上训练并在其他水果上测试），因此自定义 CNN 在不进行微调的情况下的迁移能力仍是未知。
• 硬件多样性 – 基准测试仅限于两个边缘平台；在微控制器级别设备（如 ARM Cortex‑M）上的性能尚未验证。
• 作者提出的未来方向 包括：
  1. 集成轻量级注意力模块以提升判别能力。
  2. 在未标记的农场/城市视频上探索自监督预训练。
  3. 将评估扩展到视频流场景，以实现实时异常检测。

作者

• Anika Tabassum
• Tasnuva Mahazabin Tuba
• Nafisa Naznin

论文信息

• arXiv ID: 2601.04727v1
• 分类: cs.CV, cs.NE
• 出版日期: 2026年1月8日
• PDF: 下载 PDF