141 lines
2.7 KiB
Markdown
141 lines
2.7 KiB
Markdown
---
|
||
marp: "true"
|
||
theme: uncover
|
||
paginate: "true"
|
||
footer: XX大学 · 计算机科学学院
|
||
---
|
||
|
||
<!-- _class: cover -->
|
||
<!-- _paginate: false -->
|
||
|
||
# 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
|
||
|
||
---
|
||
|
||
<!-- _class: trans -->
|
||
|
||
## 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。
|
||
|
||
---
|
||
|
||
<!-- _class: cols-2 -->
|
||
|
||
## 相关工作
|
||
|
||
<div class="ldiv">
|
||
|
||
### 传统方法
|
||
|
||
- SIFT + SVM
|
||
- HOG 特征
|
||
- 词袋模型 (BoW)
|
||
- 精度有限，泛化性差
|
||
|
||
</div>
|
||
|
||
<div class="rdiv">
|
||
|
||
### 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**
|
||
|
||
</div>
|
||
|
||
---
|
||
|
||
## 方法设计
|
||
|
||
### 整体框架
|
||
|
||
```python
|
||
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。
|
||
|
||
---
|
||
|
||
<!-- _class: dark -->
|
||
|
||
### 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
|
||
|
||
---
|
||
|
||
<!-- _class: ending -->
|
||
<!-- _paginate: false -->
|
||
|
||
# 谢谢！
|
||
|
||
### 欢迎提问与讨论
|