《表2 不同特征提取网络的训练结果》

  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

《基于改进实例分割算法的智能猪只盘点系统设计》

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

此外，在包含3个猪场的1 900张图像数据集上训练并测试了Resnet101、Resnet152、Res Next101和所提出的路径增强的Resnet152网络，各网络迭代90 000次后，在训练集以及验证集的loss值如表2所示。特征提取网络Res Net152训练集的loss收敛数值比原来的Res Net101网络低0.012 7，比Res Next101网络低0.014，验证集的loss收敛值比原来的Res Net101网络低0.012 6，比Res Next101网络低0.014。利用本文路径增强Resnet152网络采用路径增强的FPN结合Res Net152网络在包含3个猪场图像的数据集上训练90个循环（epochs），每个循环迭代1 000次，训练过程中的loss值变化如图4，由图4可知，训练集和验证集的loss值均降至0.1以下，训练集损失比Res Net152网络低0.027 4，验证集损失比Res Net152网络低0.034 3，收敛效果最好。