9、MSRC和LHI数据集上的实验结果

MSRC和LHI数据集上的实验结果

1 实验数据来源

为了验证所提出的方法在实际应用中的有效性，研究人员选择了两个知名的公共数据集——MSRC（Microsoft Research Cambridge）和LHI（Lotus Hill Institute）。这两个数据集因其多样性和广泛接受度而成为图像识别领域的基准测试平台。MSRC数据集包含591张图片，涵盖了21个不同的类别；而LHI数据集则由17个类别的15张图片组成，共计255张图片。这两个数据集的共同特点是提供了丰富的标注信息，使得研究人员可以进行细致的性能评估。

2 实验目的

实验的主要目的是评估所提出的方法在这两个数据集上的表现，尤其是针对图像分类任务。通过与现有方法的比较，研究人员希望能够证明新方法在处理复杂场景下的图像识别问题时具有更高的准确性和效率。此外，实验还旨在探索不同参数设置对最终结果的影响，从而为后续优化提供参考依据。

3 实验方法

3.1 数据预处理

为了确保实验结果的公平性和可重复性，所有图片首先被标准化为统一尺寸（320×213像素），并且按照一定比例随机划分为训练集、验证集和测试集。具体划分如下：

• 训练集 ：约占总数的45%，用于训练模型；
• 验证集 ：约占总数的10%，用于调整超参数；
• 测试集 ：约占总数的45%，用于最终评估模型性能。

3.2 模型训练

模型训练过程中，研究人