ضبطها أو لا تستخدمها: معايير تصنيف الصور بكفاءة البيانات

التصنيف الصور باستخدام الشبكات العصبية العميقة بكفاءة البيانات في بيئات يكون فيها كمية صغيرة من البيانات المصنفة متاحة، كان مجال بحث نشطًا في السنوات الأخيرة. ومع ذلك، فإن المقارنة الموضوعية بين الطرق المنشورة صعبة، نظرًا لاستخدام الأعمال الحالية مجموعات بيانات مختلفة للتقييم وغالبًا ما تقارن مع نقاط بداية غير محسّنة باستخدام معلمات فائقة افتراضية. قمنا بتصميم معيار للتصنيف الصوري بكفاءة البيانات يتكون من ستة مجموعات بيانات متنوعة تغطي مجالات مختلفة (مثل الصور الطبيعية، الصور الطبية، بيانات الأقمار الصناعية) وأنواع بيانات (RGB، الرمادي، متعدد الطيف). باستخدام هذا المعيار، أعدنا تقييم نقطة البداية القياسية للمتوسط المتقاطع وثمانية طرق للتعلم العميق بكفاءة البيانات تم نشرها بين عامي 2017 و2021 في منابر مرموقة. ولضمان مقارنة عادلة وواقعية، قمنا بضبط معلمات جميع الطرق بعناية على كل مجموعة بيانات. بشكل مفاجئ، وجدنا أن ضبط معدل التعلم، وتراجع الوزن، وحجم الدفعة على تقسيم التحقق من الصحة المنفصل يؤدي إلى نقطة بداية تنافسية للغاية والتي تتفوق على جميع الطرق المتخصصة باستثناء واحدة وتؤدي بشكل تنافسي مع الباقية.