《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》

  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

《基于负样本多通道优化SSD网络的钢铁厂提取》

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

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。