《表2 训练结果对比：多尺度特征融合工件目标语义分割》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多尺度特征融合工件目标语义分割》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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）。