训练FCN-VGG16网络，F1值随着训练会下降问题

最新推荐文章于 2023-02-27 21:45:39 发布
最新推荐文章于 2023-02-27 21:45:39 发布
阅读量794 收藏
点赞数
分类专栏： 深度学习 文章标签： FCN-VGG16 python tensorflow 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/banxia1995/article/details/101470979
版权

本人使用的是FCN-VGG16网络，出现的问题是随着训练次数的增加，F1值会下降，并且有时候会一直下降，如下图所示。

这个问题一直没有找到原因，虽然histogram一直都有显示是在学习，下图为histogram图：

 

 

语义分割网络系列——FCN，全卷积网络
新兴IT民工的专栏
11-09 1986
这个专栏的前面一些文章，已经设计到了图像网络，或者说机器视觉的两个主要任务：分类和检测。现在来说说另外一个任务：分割(Segmentation)。一般来说，分类相对比较简单一点，通过一个基础网络(backbone)就可以完成任务，从LeNet，AlexNet，到ResNet，SENet等，都是通过基础网络完成分类任务。在分类网络的基础上，加上一些detector head，比如RCNN引入的ROI Pooling，RPN等；YOLO1-5引入的回归，anchor等。就可以完成目标检测的任务。
贝叶斯网络与深度学习的结合：图像识别和分类
最新发布
AI天才研究院
07-25 3050
在当今数字化时代,图像识别和分类技术已经成为人工智能和计算机视觉领域的核心研究方向之一。随着数据量的爆炸性增长和计算能力的不断提升,深度学习技术在图像处理任务中展现出了惊人的性能。然而,传统的深度学习方法往往缺乏对不确定性的有效建模和推理能力。另一方面,贝叶斯网络作为一种概率图模型,在处理不确定性和进行推理方面具有独特优势。将贝叶斯网络与深度学习相结合,有望克服单一方法的局限性,为图像识别和分类任务带来新的突破。本文将深入探讨贝叶斯网络与深度学习的结合,特别是在图像识别和分类领域的应用。
FCN模型实现-Pytorch+预训练VGG16
01-20
FCN模型的网络与VGG16类似，之后后边将全连接层换成了卷基层，具体的网络结构与细节可以去看论文： https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf 下边详细讲一下用Pytorch对FCN的实现： 本文参考了https://zhuanlan.zhihu.com/p/32506912 但是修改了部分代码，加上了很多新的注释，并将代码更新到Pytorch1.x 首先是读取图像 #使用的VOC数据目录 voc_root = '/media/cyq/CU/Ubuntu system files/VOCdevkit/VO
利用VGG16搭建全卷积神经网络(FCN)实现语义分割
theworld666的博客
02-01 5731
利用VGG16搭建全卷积神经网络(FCN)实现语义分割 文章目录利用VGG16搭建全卷积神经网络(FCN)实现语义分割1.简介1.1 FCN的介绍1.2语义分割任务是什么2.数据准备以及预处理3.模型的搭建结语 1.简介 1.1 FCN的介绍 ​ FCN，全卷积神经网络，用于实现语义分割，是深度学习从此可以很好解决语义分割的开山之作，作者认为我们在使用卷积层提取特征后，连接到全连接层后，由于全连接层的层数是我们人为设定的，在这之中其实我们抛弃了图片的空间信息，这对语义分割会造成影响，所以作者提出抛弃全连接层
TF模型训练中注意Loss和F1的变化情况
weixin_30401605的博客
03-15 1008
　　之前训练模型，认为网络图构建完成，Loss肯定是呈现下降的，就没有太留心，知识关注F1的变化情况，找到最优的F1训练就停止了，认为模型就ok。 　　但实际中发现，我们要时刻关注网络的损失变化情况，batch size过小（6,8）都会导致模型不收敛，此时你就看不到损失的变化，只能根据F1优劣判断模型。 那么，我们可以将batc size调的大一些（128），可以观察到损失是平滑降低的，F1...
训练FCN-VGG16，F1值到了0.60固定值之后不上升情况
banxia1995的博客
11-10 965
训练FCN-VGG16s网络，使用的自己的数据集，在F1值达到0.6之后，一直没有变化，调节超参数一点作用都没有用，训练结果如下所示： 检查每一层的gradients，发现如下情况： upscore的两层upfilters的趋势不对。检查了网络定义的地方，发现如下情况： get_deconv_filter函数里面添加了如下两行： # init = tf.truncat...
实时图像分割与移动端设备模型ENet的简单复现
m0_60673947的博客
11-24 512
一、模型介绍 ENet语义分割网络是一个比较常用的分割网络，它拥有简单的网络结构，快速的运行时间和不多的变量，能够被应用于实时图像分割和移动端设备．相较于其他常规的语义分割网络，例如FCN，SegNet等运行时间与内存分别缩小了数十倍。《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》发表于2016年由Adam Paszke, Abhishek Chaurasia, Sangpil Kim, Euge
DAFormer: 改进领域自适应语义分割的网络架构与训练策略
201822021455055606599240DAFormer：改进领域自适应语义分割的网络架构和训练策略0Lukas HoyerETH Zurich0lhoyer@vision.ee.ethz.ch0Dengxin Dai MPIfor Informatics0ddai@mpi-inf.mpg.de0Luc Van Gool ...
全卷积网络FCN详解与代码实现
qq_36642243的博客
08-05 4332
简单粗暴——FCN一、学习目标二、CNN 与 FCN 的区别三、FCN结构四、FCN缺点五、VGG网络的FCN化 先附上FCN论文 Pytorch实现 https://github.com/wkentaro/pytorch-fcn 一、学习目标 1、理解FCN原理 2、掌握FCN的关键技术 3、掌握FCN的实现 二、CNN 与 FCN 的区别   FCN与CNN的区域在把于CNN最后的全连接层换成卷积层。   对于一般的分类CNN网络，如VGG和Resnet，都会在网络的最后加入一些全连接层，经过softm
基于深度神经网络的遥感图像飞机目标检测.pdf
09-25
此外，DC-DNN利用VGG-16网络对候选区域的高层特征进行提取，VGG-16是预训练的深度卷积网络，其丰富的层次结构有助于捕获更高级别的语义信息。这些高层特征对于识别复杂背景下的飞机目标至关重要。 为了消除重叠的...
FCN网络结构
Joker_xun的博客
05-13 2581
2021-03-24
m0_46689999的博客
03-24 736
最近做实验遇到一些问题，并记录下来，包括代码编写和模型结构的问题。其中有一些已经解决，也有至今不明白的问题，供大家参考。我研究的是使用深度学习的模型进行情感分析。 1、出现错误OSError: [E050] Can’t find model ‘en_core_web_sm’. It doesn’t seem to be a s 解决：以管理员权限运行shell脚本，输入命令python37 -m spacy download en解决 2、if name='main’什么意思？ 若这行代码在A文件中，他表示
VGG网络与感受野
weixin_44597885的博客
02-27 228
VGG网络最大的亮点就是感受野，感受野概念：特征图上一点，相对原图的大小，也是卷积神经网络特征所能看到输入图像的区域。
超参数，判别生成模型，Metrics，梯度消失，正则化，VGG优点，dropout
Bismarckczy的博客
10-19 1480
超参数和参数 参数是模型自己学习的部分，比如卷积核的weight以及bias 超参数是根据经验设定使得模型具有好的效果的参数，CNN中常见的超参数有： 卷积核size 卷积层层数 learning rate ...
VGG下载(.net文件和imagenet-vgg-verydeep-19)
weixin_43723625的博客
09-20 4309
1、imagenet-vgg-verydeep-19 链接：https://pan.baidu.com/s/1PU9cVExFXb0afXnTEHYg6Q 提取码：2okb 2、vgg19.npy 链接：https://pan.baidu.com/s/1Rb5fZ3vBNzd4YPbo93ys4w 提取码：9pr0 3、vgg16.npy 链接：https://pan.baidu.com/s/1D8469KgIBitWs-9QT834vQ 提取码：9zmh ...
基于pytorch的自动下载VGG16预训练模型的四种天气分类
jianshanzhange的博客
01-12 1124
使用情况： model = torchvision.models.vgg16(pretrained=True) 将训练好的卷积层参数冻结，抛弃训练好的线性层，然后使用自己搭建的好线性层。 import torch import torch.nn as nn import pandas as pd import numpy as np import matplotlib.pyplot as plt import torch.nn.functional as F import torchvision impo.
Keras---实现VGG16网络
qq_37588821的博客
07-26 5156
摘要 VGG 16网络在一些复杂的目标检测网络里会把它的卷积层拿出来做特征提取，所以本文主要聊聊VGG 16网络组成;使用keras复现vgg16;使用keras的已封装的vgg16做微调（使用已训练的卷基层，只训练全连接层）。 VGG 16组成 vgg16是vgg网络家族中的一员，也是使用较多的一种，网络深度有16层，与以前接触的CNN网络差不多，论文中说vgg网络特点是深度较深，使用3*...
模型训练总结
程序认生
09-18 1136
传统的机器学习模型需要调节的参数：学习率，batch_size。batch_size过大可能会导致较大的泛化误差，较小模型可能不收敛 一般使用sklearn框架，采用网格搜索来调参。 深度学习模型需要调节的参数：学习率，batch_size。深度学习中，学习率往往采用动态的，先设置个热身学习率，一般非常小，然后设置成正常的，并随着迭代次数增大，学习率动态减少。batch_size选择同上 训...
理解F1值
热门推荐
Einstellung的博客
07-23 2万+
选择评价指标时，了解它们的适用范围很重要。正确率应用范围很广，理解起来比较容易， 计算起来也方便。但是，造假很容易。换句话说，你很容易就能实现一个正确率很高，但实际用处不大的算法。 例如，对于垃圾邮件过滤器而言，其所处理的邮件很可能80%以上都是垃圾邮件，倘若一个过滤器把所有邮件都标为垃圾邮件，它没有实际应用价值，但是正确率却高达80%！ 为了解决这个问题，我们使用另一个为常用的评价指标F...
fcn-8s、fcn-16s、fcn-32s
06-28
FCN-8s、FCN-16s、FCN-32s是基于全卷积神经网络（Fully Convolutional Network，FCN）的语义分割模型。它们分别使用了8倍、16倍、32倍的下采样和上采样，以实现对输入图像的像素级别的分类和分割。其中，FCN-8s是最...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

banxia1995

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值