llm_wiki/wiki/示例-学校定制Marp演示.md

marp, theme, paginate, footer

marp	theme	paginate	footer
true	uncover	true	XX大学 · 计算机科学学院

基于深度学习的图像分类研究

张三 · 导师：李四 教授

计算机科学与技术专业 · 2026 届硕士毕业答辩

---

目录

1. 研究背景与意义
2. 相关工作
3. 方法设计
4. 实验结果
5. 总结与展望

---

一、研究背景与意义

---

研究背景

• 图像分类是计算机视觉的基础任务
• 深度学习在 ImageNet 上取得突破性进展
  • AlexNet (2012) → VGG (2014) → ResNet (2015) → ViT (2020)
• 现有方法在细粒度分类上仍有提升空间

研究意义

提出一种基于注意力机制的多尺度特征融合方法，提升细粒度图像分类的准确率。

---

相关工作

传统方法

• SIFT + SVM
• HOG 特征
• 词袋模型 (BoW)
• 精度有限，泛化性差

深度学习方法

• CNN 系列：ResNet, DenseNet
• 注意力机制：SE-Net, CBAM
• Transformer：ViT, Swin
• 本研究的切入点

---

方法设计

整体框架

class MultiScaleModel(nn.Module):
    def __init__(self, backbone, num_classes):
        super().__init__()
        self.backbone = backbone
        self.attention = CBAM(channels=512)
        self.classifier = nn.Linear(512, num_classes)
    
    def forward(self, x):
        features = self.backbone(x)
        attended = self.attention(features)
        return self.classifier(attended)

---

实验结果

方法	CUB-200	Stanford Cars	FGVC-Aircraft
ResNet-50	84.2%	91.3%	89.7%
SE-ResNet	86.1%	92.8%	91.2%
ViT-B/16	87.5%	93.1%	91.8%
Ours	89.3%	94.6%	93.1%

[!note] 本方法在三个细粒度数据集上均取得了最优结果。

---

关键发现

1. 多尺度融合有效捕获不同粒度的视觉特征
2. 注意力机制使模型聚焦于判别性区域
3. 相比 ViT，训练数据量减少 40% 仍保持竞争力

---

总结与展望

主要贡献

• ✅ 提出多尺度注意力融合框架
• ✅ 在 3 个细粒度数据集上达到 SOTA
• ✅ 减少了对训练数据规模的依赖

未来工作

• 🔜 扩展到目标检测任务
• 🔜 探索自监督预训练的集成
• 🔜 在医学影像领域的应用验证

---

谢谢！

欢迎提问与讨论