毕设记录

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；