Benchmark Analysis of Various Pre-trained Deep Learning Models on ASSIRA Cats and Dogs Dataset

要約

深層学習の最も基本的なアプリケーションおよび実装として、画像分類の人気が高まっています。
機械学習アルゴリズムや事前トレーニング済みモデルのベンチマーク用に、有名なデータ サイエンス コミュニティからさまざまなデータセットが提供されています。
ASSIRA Cats & Dogs データセットはその 1 つであり、全体的な受け入れ基準とベンチマーク基準を目的としてこの調査で使用されています。
さまざまな種類のオプティマイザーと損失関数を使用して、さまざまな事前トレーニング済みモデルの比較を示します。
ハイパーパラメータは、モデルから最良の結果を得るために変更されます。
このアプローチを適用することで、トレーニング モデルに大きな変更を加えることなく、より高い精度が得られました。
実験を実行するために、NVIDIA GeForce GTX 1070 を搭載したラップトップ、NVIDIA GeForce RTX 3080Ti を搭載したラップトップ、NVIDIA GeForce RTX 3090 を搭載したデスクトップの 3 つの異なるコンピューター アーキテクチャを使用しました。得られた結果は、精度の点で優れていることを示しています。
このデータセットに対して以前に行われた実験。
この実験から、NASNet Large を使用すると、99.65% という最高の精度が得られます。

要約(オリジナル)

As the most basic application and implementation of deep learning, image classification has grown in popularity. Various datasets are provided by renowned data science communities for benchmarking machine learning algorithms and pre-trained models. The ASSIRA Cats & Dogs dataset is one of them and is being used in this research for its overall acceptance and benchmark standards. A comparison of various pre-trained models is demonstrated by using different types of optimizers and loss functions. Hyper-parameters are changed to gain the best result from a model. By applying this approach, we have got higher accuracy without major changes in the training model. To run the experiment, we used three different computer architectures: a laptop equipped with NVIDIA GeForce GTX 1070, a laptop equipped with NVIDIA GeForce RTX 3080Ti, and a desktop equipped with NVIDIA GeForce RTX 3090. The acquired results demonstrate supremacy in terms of accuracy over the previously done experiments on this dataset. From this experiment, the highest accuracy which is 99.65% is gained using the NASNet Large.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google