使用PyTorch处理CIFAR-10时部分类别准确率偏低的原因咨询

CIFAR-10里像猫、狗这类类别常出现40%-50%的低准确率，主要有这几个原因：

• 类内特征差异过大：以猫为例，不同品种的猫在毛色、体型、姿态上差异极大，从短毛到长毛、纯色到花斑，模型很难提炼出能覆盖所有样本的统一特征，导致对部分样本的识别失效。
• 类间视觉相似度高：猫和狗、飞机和鸟这类类别，核心视觉特征重叠严重。在32x32的低分辨率下，四足动物的轮廓、带翅膀物体的形状很难区分，模型容易将这类相似样本归为错误类别。
• 图像分辨率限制：CIFAR-10的图像仅32x32像素，很多关键细节（比如动物的面部纹理、物体的精细结构）被压缩丢失，模型只能依赖粗糙的颜色和轮廓信息，难以精准区分相似类别。
• 样本分布的局限性：部分类别的样本可能存在场景、姿态的偏斜，比如某类动物的样本大多是正面视角，当遇到侧面、背面的样本时，模型因缺乏足够训练数据，无法准确识别。

内容的提问来源于stack exchange，提问作者Daniel