《表1 不同Dropout比例的m AP的影响》
实验使用Caffe框架实现卷积神经网络模型,Faster RCNN中的Dropout、最大迭代值、批处理尺寸和非极大抑制值等参数对平均准确率值(m AP)产生较大的影响,为了得到较好的输出,需要对这些参数进行优化。实验中,最大迭代次数为8 000,区域提议阶段批尺寸为256,检测阶段尺寸为128,经过实验验证其优化结果如表1所示。可知:当Dropout从0.2升至0.6时,m AP的值在增加,当Dropout从0.6升至0.8时,m AP值在减小。当Dropout取0.6时,m AP取得最大值。
图表编号 | XD0028798500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.20 |
作者 | 张汇、杜煜、宁淑荣、张永华、杨硕、杜晨 |
绘制单位 | 北京联合大学智慧城市学院、北京联合大学机器人学院、北京联合大学智慧城市学院、北京联合大学智慧城市学院、北京联合大学智慧城市学院、北京市信息服务工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |