Buchumschlag

A Comparative Study of Custom CNNs, Pre-trained Models, and Transfer Learning Across Multiple Visual Datasets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Akhand, Annoor Sharara
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dataset Ownership Verification in Contrastive Pre-trained Models
von: Xie, Yuechen, et al.
Veröffentlicht: (2025)

Comparative Analysis of Custom CNN Architectures versus Pre-trained Models and Transfer Learning: A Study on Five Bangladesh Datasets
von: Tanvir, Ibrahim, et al.
Veröffentlicht: (2026)

Benchmark Analysis of Various Pre-trained Deep Learning Models on ASSIRA Cats and Dogs Dataset
von: Himel, Galib Muhammad Shahriar, et al.
Veröffentlicht: (2024)

Pre-trained Vision-Language Models Learn Discoverable Visual Concepts
von: Zang, Yuan, et al.
Veröffentlicht: (2024)

Closed-Form Linear-Probe Dataset Distillation for Pre-trained Vision Models
von: Peng, Bincheng, et al.
Veröffentlicht: (2026)

Domain Guidance: A Simple Transfer Approach for a Pre-trained Diffusion Model
von: Zhong, Jincheng, et al.
Veröffentlicht: (2025)

Pediatric Pneumonia Detection from Chest X-Rays:A Comparative Study of Transfer Learning and Custom CNNs
von: Choudhury, Agniv Roy
Veröffentlicht: (2025)

Comparative Analysis of Military Detection Using Drone Imagery Across Multiple Visual Spectrums
von: Shuvo, Sourov Roy, et al.
Veröffentlicht: (2026)

CNNs Avoid Curse of Dimensionality by Learning on Patches
von: Madala, Vamshi C., et al.
Veröffentlicht: (2022)

ImageNet-trained CNNs are not biased towards texture: Revisiting feature reliance through controlled suppression
von: Burgert, Tom, et al.
Veröffentlicht: (2025)

Practical Continual Forgetting for Pre-trained Vision Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2025)

Pre-training with Random Orthogonal Projection Image Modeling
von: Haghighat, Maryam, et al.
Veröffentlicht: (2023)

Understanding Visual Concepts Across Models
von: Trabucco, Brandon, et al.
Veröffentlicht: (2024)

Explaining Model Overfitting in CNNs via GMM Clustering
von: Dou, Hui, et al.
Veröffentlicht: (2024)

Pre-training Vision Transformers with Formula-driven Supervised Learning
von: Kataoka, Hirokatsu, et al.
Veröffentlicht: (2022)

Learning to See Before Seeing: Demystifying LLM Visual Priors from Language Pre-training
von: Han, Junlin, et al.
Veröffentlicht: (2025)

A Medical Data-Effective Learning Benchmark for Highly Efficient Pre-training of Foundation Models
von: Yang, Wenxuan, et al.
Veröffentlicht: (2024)

SFT Memorizes, RL Generalizes: A Comparative Study of Foundation Model Post-training
von: Chu, Tianzhe, et al.
Veröffentlicht: (2025)

CXPMRG-Bench: Pre-training and Benchmarking for X-ray Medical Report Generation on CheXpert Plus Dataset
von: Wang, Xiao, et al.
Veröffentlicht: (2024)

The Surprising Ineffectiveness of Pre-Trained Visual Representations for Model-Based Reinforcement Learning
von: Schneider, Moritz, et al.
Veröffentlicht: (2024)

Efficient Hyperparameter Importance Assessment for CNNs
von: Wang, Ruinan, et al.
Veröffentlicht: (2024)

Gradient-based Fine-Tuning through Pre-trained Model Regularization
von: Liu, Xuanbo, et al.
Veröffentlicht: (2025)

Slight Corruption in Pre-training Data Makes Better Diffusion Models
von: Chen, Hao, et al.
Veröffentlicht: (2024)

SLCA++: Unleash the Power of Sequential Fine-tuning for Continual Learning with Pre-training
von: Zhang, Gengwei, et al.
Veröffentlicht: (2024)

Gradient-Sign Masking for Task Vector Transport Across Pre-Trained Models
von: Rinaldi, Filippo, et al.
Veröffentlicht: (2025)

NIL: No-data Imitation Learning by Leveraging Pre-trained Video Diffusion Models
von: Albaba, Mert, et al.
Veröffentlicht: (2025)

Dataset Distillation for Pre-Trained Self-Supervised Vision Models
von: Cazenavette, George, et al.
Veröffentlicht: (2025)

Self-supervised Pre-training of Text Recognizers
von: Kišš, Martin, et al.
Veröffentlicht: (2024)

Explaning with trees: interpreting CNNs using hierarchies
von: Rodrigues, Caroline Mazini, et al.
Veröffentlicht: (2024)

Effective Backdoor Mitigation in Vision-Language Models Depends on the Pre-training Objective
von: Verma, Sahil, et al.
Veröffentlicht: (2023)

Region-Aware Reconstruction Strategy for Pre-training fMRI Foundation Model
von: Doodipala, Ruthwik Reddy, et al.
Veröffentlicht: (2025)

Learning Unified Distance Metric Across Diverse Data Distributions with Parameter-Efficient Transfer Learning
von: Kim, Sungyeon, et al.
Veröffentlicht: (2023)

Is Pre-training Truly Better Than Meta-Learning?
von: Miranda, Brando, et al.
Veröffentlicht: (2023)

ModelGrow: Continual Text-to-Video Pre-training with Model Expansion and Language Understanding Enhancement
von: Rao, Zhefan, et al.
Veröffentlicht: (2024)

Federated Learning for Video Violence Detection: Complementary Roles of Lightweight CNNs and Vision-Language Models for Energy-Efficient Use
von: Thuau, Sébastien, et al.
Veröffentlicht: (2025)

Point-PEFT: Parameter-Efficient Fine-Tuning for 3D Pre-trained Models
von: Tang, Yiwen, et al.
Veröffentlicht: (2023)

Revisit Large-Scale Image-Caption Data in Pre-training Multimodal Foundation Models
von: Lai, Zhengfeng, et al.
Veröffentlicht: (2024)

Feedback-based Modal Mutual Search for Attacking Vision-Language Pre-training Models
von: Ding, Renhua, et al.
Veröffentlicht: (2024)

RNNs, CNNs and Transformers in Human Action Recognition: A Survey and a Hybrid Model
von: Alomar, Khaled, et al.
Veröffentlicht: (2024)

Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models
von: Chung, Hyungjin, et al.
Veröffentlicht: (2022)