《表1 网络参数设置:基于负样本多通道优化SSD网络的钢铁厂提取》
本研究中,使用SSD网络前端的数据增强模块,用于增加样本的多样性,减缓小样本造成的过拟合现象。数据增强模块包括颜色亮度饱和度变换、翻转、随机裁剪放大以及缩小等操作。数据增强后的图片统一重采样到1 024×1 024×3的大小,然后输入到模型进行训练,网络模型通过反向传播算法迭代更新每一层参数。目标检测网络参数设置如表1所示。在合理的范围内,增大批处理参数batch_size可以提高内存利用率,提高大矩阵乘法的并行化效率,考虑到输入影像的尺寸和GPU的显存大小,将batch size设为4;另外,基础学习率base_lr设为0.001,最大迭代次数max_iter为100 k,gamma系数、动量momentum和权重衰减参数weight_decay分别设为0.1、0.9和0.000 5;学习率learning rate采用均匀分步更新策略,当迭代次数低于40 000时,学习率为基础学习率0.001;当迭代次数大于40 000小于60 000时,学习率变为0.000 1;当迭代次数高于60 000时,学习率设为0.000 01。
图表编号 | XD00180446200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.15 |
作者 | 卢凯旋、李国清、陈正超、昝露洋、李柏鹏、高建威 |
绘制单位 | 中国科学院遥感与数字地球研究所、中国科学院大学资源与环境学院、河南省遥感测绘院、中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所、中国科学院大学资源与环境学院、中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所 |
更多格式 | 高清、无水印(增值服务) |