{Dharanikota Rajendra Kamal and Kamaljeet Singh Mann. Western University of OntarioEmmanuel Maduwuba}
摘要
本项目的主要目标是通过应用合适的机器学习架构，实现对数据集中图像的细粒度分类。所选用的数据集源自Kaggle竞赛，其图像样本取自维基百科的猴类系统发生树（monkey cladogram），包含10个不同种类的猴子，需借助经过图像处理增强的机器学习架构完成分类任务。在对多种架构进行初步尝试与评估后，卷积神经网络（Convolutional Neural Network, CNN）被证实为最适配该任务的模型。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| fine-grained-image-classification-on-10 | CNN | Accuracy: 95.00 |