深度学习在图像分类中的应用

摘要: 随着深度学习技术的蓬勃发展，其在图像分类领域的广泛应用为计算机视觉领域带来了革命性的变化。本文聚焦于深度学习在图像分类中的应用，以CIFAR-10数据集为基础，通过卷积神经网络（CNN）构建不同模型，对图像进行了分类精度评估。我还采用了ResNet等著名模型，对它们在CIFAR-10数据集上的分类性能进行了评估。为深入研究模型的特性，我们在实验中引入了不同的激活函数，并通过对比它们在分类任务中的表现，揭示了激活函数对模型性能的影响。此外，通过调整训练轮次等超参数，我们系统地研究了模型在不同训练轮次下的分类准确度。在实验中，我发现了训练的轮次并不是越多越好，可能会出现过拟合的现象，但是我通过调整模型，并增加Dropout 层在一定程度上解决了过拟合的问题，同时我通过模型的优化调整使得我的分类精度也得到了很大的提升，最高可达到0.7509。在不断的优化过程中，我对于深度学习在图像分类中的前景越来越有信心，我也将继续在这个方向不断深入研究。