深度学习模型在视觉识别任务中对部分物体遮挡的鲁棒性研究
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对深度学习模型在部分遮挡条件下的识别能力不足的问题，提出了基于现实和人工遮挡图像的图像识别遮挡数据集（IRUO）用于测试和基准评估主流方法的鲁棒性。研究发现现代CNN模型在遮挡图像上的识别准确率较早期模型有所提高，而ViT模型在遮挡图像上的表现更优，接近人类识别的准确率，但某些遮挡类型仍显著影响模型的表现。
本研究提出了一个图像识别遮挡数据集（IRUO），用于评估深度学习模型在遮挡条件下的识别能力。研究发现现代CNN模型在遮挡图像上的准确率有所提高，而ViT模型在遮挡图像上的表现更优，接近人类识别的准确率，但某些遮挡类型仍然会影响模型的表现。
