Vergleichende Untersuchung von Lernalgorithmen zur Bildklassifikation mit kleinem Datensatz

Die zunehmende Beliebtheit von Deep Learning in verschiedenen Forschungsbereichen führt dazu, dass es zur Lösung von Problemen der Bildklassifikation eingesetzt wird. Ziel dieser Forschung ist es, Lernalgorithmen zu vergleichen und solche zu finden, die für die Aufgabe der Bildklassifikation mit kleinem Datensatz besser abschneiden. Wir haben auch die Hyperparameter in Verbindung mit Optimierern und Modellen optimiert, um die Leistung zu verbessern. Zunächst führten wir mehrere Experimente mit acht Lernalgorithmen durch, um näher an die optimalen Werte der Hyperparameter zu gelangen. Anschließend führten wir vierundzwanzig finale Experimente mit nahezu optimalen Werten der Hyperparameter durch, um den besten Lernalgorithmus zu finden. Die experimentellen Ergebnisse zeigten, dass der AdaGrad-Lernalgorithmus bessere Genauigkeit, kürzere Trainingszeit sowie geringere Speichernutzung im Vergleich zu den anderen Lernalgorithmen erreicht.