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 |
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 |
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;