《表1 不同超参数组合在测试集上的测试结果》

  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Faster R-CNN的枸杞开花期与果实成熟期识别技术一》

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

注：AP是平均精确率，m AP是平均精度均值。

在数据集固定的情况下，深度学习模型的最终效果取决于超参数调节的好坏。超参数优化是一个组合优化问题，无法像一般参数通过自我学习不断调整，需要进行人工或优化算法进行设置。使用网格搜索的方式来调整优化超参数。为了保证实际环境中拍摄的图像与训练图像样本保持一致性，在训练数据时，对前80%epoch进行所有数据的训练，后面20%epoch只训练原始数据。在学习率固定的情况下，选取重要超参数batch size和iterations按照网格搜索方式寻找最佳参数组合。其中，学习率为0.001，batch size取值范围为[32，64]，迭代次数为[10000，20000，30000]。测试时，将枸杞开花和果实成熟特征的提取和分类加载到训练好的神经网络结构中，将分辨率为2560×1920的24位RGB真彩色的枸杞生长图像输入进行卷积运算，进行端到端处理，利用评价指标对不同参数测试结果进行评价，结果见表1。