《表3 训练参数：基于深度学习的水位线检测算法》

  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

《基于深度学习的水位线检测算法》

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

CNN非常适合于计算机视觉任务，然而需要大量的高质量的数据标注。本文使用了训练前数据增强及训练中二次数据增强两种策略，然而，对于ResNet50这样规模的CNN网络而言，训练数据依然是远远不足的。迁移学习[20]是解决深度学习训练过程中数据饥饿问题的常用方法。本文研究以ResNet50在ImageNet上的训练结果作为预训练权重，在网络初始化时加载ResNet50预训练权重中除分类网络部分的相关权重参数。使用该预训练权重可以极大地加快网络的收敛并提高网络的泛化能力。训练使用参数及损失下降曲线如表3和图7。