A lightweight enhanced EfficientNet model for Chinese eaves tile dynasty classification
5.5
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-10-07 03:42
摘要：
本研究提出了一种基于改进的EfficientNet-B0的轻量级模型，用于中国古代屋檐瓦的朝代分类，取得了87.8%的准确率，较基线模型提高了6.3个百分点。通过引入CBAM和CWConv模块，模型在特征提取方面表现出色，同时采用Focal Loss优化损失函数，有效改善了对少数类样本的学习能力。这一研究为文化遗产的数字化保护提供了新的技术路径，具有重要的应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0
business_impact
0.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
0.0
team_institution_background
0.5
technical_barrier_competition
0.0
关键证据
模型在八个朝代分类任务中取得了87.8%的准确率，较基线模型提高了6.3个百分点。
研究提出了基于CBAM和CWConv模块的改进方法，增强了特征提取能力。
采用Focal Loss优化损失函数，改善了模型对少数类样本的学习能力。
真实性检查
否
AI评分总结
本研究提出了一种基于改进的EfficientNet-B0的轻量级模型，用于中国古代屋檐瓦的朝代分类，取得了87.8%的准确率，较基线模型提高了6.3个百分点。通过引入CBAM和CWConv模块，模型在特征提取方面表现出色，同时采用Focal Loss优化损失函数，有效改善了对少数类样本的学习能力。这一研究为文化遗产的数字化保护提供了新的技术路径，具有重要的应用潜力。