《表1 各类仪表数据分布及参数》

  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

《基于深度回归的指针仪表读数识别方法》

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

实验在Ubuntu 16.04.5+Ge Force GTX1080TI x2+pytorch 1.3.0平台上运行。训练时，将训练数据按9:1的比例划分成训练集和验证集，每类仪表的数据分布如表1所示。对于训练集数据，本文主要进行空间上的数据增强。具体地，给定一张训练图像，进行仪表区域上的正方形随机crop （截取），然后将crop图像resize （调整大小）为256×256。特别地，对于C型仪表，进行宽高比为2:1的长方形随机crop，并resize为256×512，相应的仪表指针方向回归模型最后一层全连接层的输入维度为1 024×2×4。训练时，采用Adam优化器，学习率取1×10-3，batchsize取50，在训练集上训练120个epoch，每个epoch完成时在验证集上测试，最后选取所有epoch中验证精度最高的模型作为最终模型进行测试。每类仪表训练一个读数识别模型。