8、基于卷积神经网络的在线英文报纸广告检测

基于卷积神经网络的在线英文报纸广告检测

1. 数据集与模型训练

1.1 数据集介绍

使用英文报纸图像数据集进行实验，该数据集包含 11,000 张图像，其中广告和非广告图像各 5500 张。数据集分类如下表所示：
| 数据集 | 图像数量 |
| — | — |
| 训练用数据 | 7040 |
| 验证用数据 | 1760 |
| 测试用数据 | 2200 |
| 总计 | 11,000 |

1.2 模型训练环境

提出的卷积神经网络（CNN）模型在“Google Colab”提供的 Tesla V100 SXM2 16 GB GPU 上进行训练。训练和测试均基于上述英文报纸图像数据集，其中 80%（8800 张）的图像用于训练，20%（2200 张）用于测试。训练数据又按 80:20 的比例分为训练集（7040 张）和验证集（1760 张）。

1.3 模型评估指标

使用多种准确率指标评估提出的 CNN 模型，包括混淆矩阵、准确率曲线，以及一维指标如精确率、召回率和 F1 分数。各指标计算公式如下：
- 精确率 ：$Precision = \frac{Number\ of\ True\ Positives}{Number\ of\ True\ Positives + Number\ of\ False\ Positives}$
- 召回率 ：$Recall = \frac{Number\ of\ True\ Positives}{Number\ of\ T