cv-classification

本技能面向图像分类任务，用于在 CIFAR、ImageNet 等分类基准上开展实验时提供最佳实践参考。主要能力包括三方面：一是按数据规模给出骨干网络选型建议，小规模（CIFAR-10/100）可选 ResNet-18/34、WideResNet、Simple ViT；中等规模可选 ResNet-50、EfficientNet-B0/B1、DeiT-Small；大规模可选 ViT-B/16、ConvNeXt、Swin Transformer。二是提供训练配方，优化器可用 AdamW（lr=1e-3 至 3e-4）或 SGD（lr=0.1 配合余弦衰减）；权重衰减 AdamW 用 0.01-0.1，SGD 用 5e-4；数据增强含 RandomCrop、RandomHorizontalFlip、Cutout/CutMix；Transformer 需 5-10 个 epoch 的线性预热；批大小 CNN 为 128-256，ViT 在显存允许时为 512-1024。三是列出常见基准的参考准确率：CIFAR-10 约 96%（ResNet-18）、约 97%（WideResNet）；CIFAR-100 约 80%（ResNet-18）、约 84%（WideResNet）；ImageNet 约 76%（ResNet-50）、约 81%（ViT-B/16）。使用方式为在开展图像分类实验时参考上述选型与超参设置，具体调用命令或安装方式暂未提供。限制方面，资料未说明支持的框架、依赖、版本要求及完整命令，实际效果可能因数据集与硬件而异，上述准确率仅供参考。