PSPnet第一次实验
数据集
图片数：625
训练模型
主干特征提取网络：mobilenetV2
下采样倍数：16
总训练迭代：100
冻结迭代：50
一次训练选用样本数：8 and 4
100次迭代结果：Total_Loss 0.2002 ，Val_Loss 0.1720
90次迭代结果：Total_Loss 0.1917，Val_Loss 0.1667
Epoch90-Total_Loss0.1917-Val_Loss0.1667.pth
性能情况
| 输入图片大小 | miou |
|---|---|
| 473*473 | 86.34 |
训练时间：约 1h20min
预测情况
PSPnet第二次实验
数据集
图片数：625
训练模型
主干特征提取网络：resnet50
下采样倍数：16
总训练迭代：100
冻结迭代：50
一次训练选用样本数：8 and 4
出现问题：解冻迭代时，显存不足
50次迭代结果：Total_Loss 0.1304 ，Val_Loss 0.1200
49次迭代结果：Total_Loss0.1267，Val_Loss0.1197
Epoch49-Total_Loss0.1267-Val_Loss0.1197
性能情况
| 输入图片大小 | miou |
|---|---|
| 473*473 | 89.36 |
训练时间：约2h
预测结果
PSPnet第三次实验
未记录
PSPnet第四次实验
数据集
图片数：1000
训练模型
主干特征提取网络：resnet50
下采样倍数：16
总训练迭代：200
冻结迭代：100
一次训练选用样本数：8 and 2
200次迭代结果：Total_Loss0.0755 ，Val_Loss0.0701
预测结果
PSPnet第五次实验
数据集
图片数：11021
训练模型
主干特征提取网络：resnet50
下采样倍数：16
总训练迭代：100
冻结迭代：50
Batch_Size：32 and 8
100次迭代结果：Total_Loss0.1198，Val_Loss0.1200
显存情况：2080Ti，11GB
训练时间：30h
预测结果
YOLOV4第一次实验
数据集
图片数：51
输入大小：416*416
训练模型
主干特征提取网络：CSPDarkNet53
激活函数：Mish
总训练迭代：100
冻结迭代：50
一次训练选用样本数：8 and 2
预测效果
缺少数据集
角点检测识别第一次实验（续PSPnet）
利用PSPnet识别道路，分割道路部分。
对图像进行平滑处理
检测角点
置信度：0.08
YOLOV4第二次实验
数据集
数据集大小：221
图片大小：416*416
训练参数
mosaic数据增强：false
预测结果
预测参数：confidence：0.2
验证样本：100
文件夹：result
模型名称：Epoch150-Total_Loss5.2309-Val_Loss6.6370
准确率：87%：
正确预测的正反例数 /总数；
精确率：93.3%：
正确预测的正例数 /预测正例总数；
召回率：80.8%：
正确预测的正例数 /实际正例总数；
YOLOV4第三次实验
数据集
数据集大小：330
图片大小：416*416
训练参数
mosaic数据增强：true
预测结果
预测参数：confidence：0.2
验证样本：100
文件夹：result_2
模型名称：Epoch150-Total_Loss4.3194-Val_Loss4.0155
准确率：
正确预测的正反例数 /总数；
精确率：
正确预测的正例数 /预测正例总数；
召回率：
正确预测的正例数 /实际正例总数；