《表2 多种深度学习方法在测试集上的表现》

  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

《基于多任务深度学习的铝材表面缺陷检测》

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

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。