《表3 各网络训练集(TR)及测试集(TE)测试结果》
网络训练过程的epoch平均损失曲线及各训练步骤在测试集上的mAP见图5,从中可以看出:收敛趋势正确,其中按照收敛性从大到小排序依次为Res101、VGG-16、MobileNet_v1,且Res101优势明显,这主要得益于残差结构更易于学习,网络深度更深;MobileNet_v1网络深度与VGG-16相当,但可分离卷积会损失图像通道信息,导致收敛性较差。网络收敛值越小,一般精度越高,此处因为数据集规模偏小,Res101与VGG-16的差异未反映出来。综合图5各训练步骤在测试集上的mAP,可以看出困难样本增强训练(训练步骤2)、特异层微调(训练步骤4)有效提升了网络识别精度。各网络检测结果见表3,对比测试集与训练集数据,可认为不存在明显的过拟合现象;测试集及训练集中各类别AP较为均衡,可认为数据集在经过数据增强后实现了较好的类别均衡性。此外,从检测速度来看,MobileNet_v1检测速度优势明显。
图表编号 | XD00188322800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 文灿华、李佳、董雪 |
绘制单位 | 上海交通大学中英国际低碳学院、上海交通大学中英国际低碳学院、上海交通大学中英国际低碳学院 |
更多格式 | 高清、无水印(增值服务) |