arXiv · 机器人与计算机视觉· Akwasi Asare·· 23 天前AI 评分42
ResNet50 与 ViT-B/16 在胃肠疾病分类中的效率与统计基准评测
Accuracy Is Not Enough: An Efficiency- and Statistics-Aware Benchmark of ResNet50 and Vision Transformer for Explainable Multi-Class Gastrointestinal Diseases Classification
AI 导读
ResNet50 和 ViT-B/16 在 Kvasir 数据集上准确率分别为 92.12% 和 91.70%,两者性能等效但前者参数量更少且 CPU 延迟低 2.5 倍。MobileViT-S 虽测试集准确率达 95.5%,但在 ScopeGuide 遮挡下误差激增,而 ResNet50 受影响较小。跨数据集验证显示架构差异远小于域偏移影响,资源受限场景下高效 CNN 是更稳妥的默认选择。
来源:arXiv · 机器人与计算机视觉 · arxiv.org