《表3 模型在不同学习率条件下的不同IOU阈值检测AP指标值状况》
表3为Mask R-CNN与Cascade Mask R-CNN在以R50作为骨干网络在不同学习率条件下的检测AP指标值状况。试验结果表明,随着学习率大小的增加,不同IOU阈值的检测AP指标值出现先增加后减小的现象。Mask R-CNN-R50与Cascade Mask R-CNN-R50分别在LR等于0.02与0.025下各个IOU阈值AP指标值效果最佳。以Mask R-CNN-R50为例,在LR选取为0.02与LR为0.005相比在AP0.75指标上提升15.8%,即使在提升幅度不为明显的AP0.5指标上仍然能获得4%的性能提升。说明选用不用的学习率对于模型检测位置准确率具有一定影响,且学习率大小与检测精度间不存在正比关系,这是因为学习率主要用于训练过程中最优参数的迭代更新,选用较大的学习率可能会因为更新过大跳过模型的最优解,而选用较小的学习率可能使模型参数始终处于较小更新中,导致模型只获得局部最优解。
图表编号 | XD00155151800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.31 |
作者 | 娄甜田、杨华、胡志伟 |
绘制单位 | 山西农业大学农业经济管理学院、山西农业大学信息科学与工程学院、山西农业大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |