《表2 多种深度学习方法在测试集上的表现》
实验2)将所提方法与目前先进的深度网络进行对比测试,对比方法分别为,铝材区域提取任务选用FCN系列的分支FCN-8s[20]和U-Net[4]作为参照;多标签分类任务选用深度残差网络(ResNet)系列的ResNet50[18]和ResNet101[18]作为主干网络,并加以全连接层进行分类;铝材缺陷目标检测任务则选用Faster RCNN[9]和密集检测网络(Retina Net)[29]作为参照。各实验在训练集上训练完成后,在测试集上进行测试,实验结果如表2所示。
图表编号 | XD00162250000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 沈晓海、栗泽昊、李敏、徐晓龙、张学武 |
绘制单位 | 河海大学物联网工程学院、河海大学物联网工程学院、河海大学物联网工程学院、河海大学物联网工程学院、河海大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |