PulseAugur
中
实时 11:36:25
English(EN) Accuracy Is Not Enough: An Efficiency- and Statistics-Aware Benchmark of ResNet50 and Vision Transformer for Explainable Multi-Class Gastrointestinal Diseases Classification

ResNet50 在胃肠道疾病分类效率方面优于 Vision Transformer

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新的基准研究评估了 ResNet50 和 Vision Transformer (ViT-B/16) 在内窥镜图像分类胃肠道疾病方面的表现。虽然两个模型在交叉验证中都达到了高准确率（约 92%），但 ResNet50 在效率方面表现显著更好，拥有更少的参数、更低的延迟和更高的 GPU 通量。一种面向边缘的 Transformer，MobileViT-S，在测试集上准确率更高，但对采集伪影的敏感性更大，这表明可能存在捷径学习问题。研究表明，对于资源受限的环境，像 ResNet50 这样高效的 CNN 是一个实用的选择，但部署前进行本地验证至关重要。 AI

影响 强调了模型准确性和效率之间的权衡，表明 CNN 在资源受限的 AI 应用中仍然是一个可行的选择。

排序理由 该集群包含一篇学术论文，详细介绍了 AI 模型在特定分类任务中的基准研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ResNet50 在胃肠道疾病分类效率方面优于 Vision Transformer

本文如何被排名

Signal score
10 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了 AI 模型在特定分类任务中的基准研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Akwasi Asare ·

    准确性并非全部：面向可解释多类别胃肠道疾病分类的 ResNet50 和 Vision Transformer 的效率与统计感知基准测试

    arXiv:2610.33965v1 Announce Type: new Abstract: Automated classification of gastrointestinal (GI) findings in endoscopic images could support early diagnosis, but architectures are often chosen on accuracy alone. We present a controlled, reproducible benchmark of ResNet50 and ViT…

相关实体

相关话题