《表4 微调网络对模型性能的影响》
设计3种不同的网络冻结条件,以此来探索迁移学习微调的网络层对模型检测性能的影响。条件一冻结了最后3层输出层之前的网络;条件二冻结了特征提取网络;条件三则对整个网络逐层进行微调,同实验6。从表4中可以看出,条件一到条件三的情况下模型的检测性能稳步提升,并且条件三的表现性能是所有条件下最好的,精准率为97.56%,特异度为98.75%,召回率为92.93%。研究结果表明,微调网络层数对模型的性能确实有一定的影响,应用迁移学习训练Double-D模型时,冻结的网络层数越多模型的检测性能越差,说明对于样本数据不平衡的情况,底层网络提取的基本特征不一定适合所有的图像,这就需要尽可能多地微调网络层以得到更好的检测效果。
图表编号 | XD00206665400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 刘佳丽、孙自强 |
绘制单位 | 华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |