《表2 3种算法在DAGM上获得的m AP比较》

  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

《改进FPN的Mask R-CNN工业表面缺陷检测》

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

实验采用Tensor Flow框架，使用带动量的随机梯度下降法（SGD）进行训练，学习率为0.001，动量为0.9，输入缺陷图像大小为512×512，训练类别数目为11（包括10类缺陷和1类背景）。采用平均准确率均值（Mean Average Precision，m AP）评估本文算法性能，并与Faster R-CNN和Mask R-CNN进行对比分析，获得的m AP如表2所示。