《表2 训练结果对比:多尺度特征融合工件目标语义分割》
注:加粗字体表示每组评价指标最高值。
本文以基于ResNet残差网络的模型进行训练,为了选取本文标注的数据集最适合的网络模型,采用ResNet残差网络由浅到深的实验方式进行验证。采用Resnet_50、Resnet_101和Resnet_152等3种网络深度进行实验。表2为采用不同深度网络模型对多类工件数据集进行神经网络训练时,得到的网络在多类工件数据集分配的验证集上的精度。从表2可以看出,以50层的残差网络为基础,网络深度越深,模型的性能越优,但最深的152层残差网络的性能次于101层残差网络,因为太深的网络模型在训练本文数据集时发生了过拟合。因此将Resnet_101残差网络定为后续实验的基准网络(BaseNet)。
图表编号 | XD00143036300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 和超、张印辉、何自芬 |
绘制单位 | 昆明理工大学机电工程学院、昆明理工大学机电工程学院、昆明理工大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |