【神经网络实践】tentorflow上的多目标识别(5,完)

前言:

{

    经过这么久,这一系列终于结束了。

}

 

正文:

{

    网络的特征提取部分被我换成了inceptionV3。用分类训练好的pnasnet进行单目标分类的效果还不错,但是用于多目标检测时却学不到东西(可能是此网络过于复杂,特征到最后都被混淆到了一起)。

    我做了以下实验:

    1,VOC2012分类 + pnasnet + 自定义归一化 + 双补偿方差损失 = 网络学不到东西

    2,floscular images + inceptionV3 + 自定义归一化 + 双补偿方差损失 = 快速拟合到80%的正确率

    3,VOC2012分类 + inceptionV3 + 自定义归一化 + 双补偿方差损失 = 正确率最高到96%,但输出的第0位容易出1

    4,VOC2012分类 + inceptionV3 + 自定义归一化 + 新双补偿方差损失 + batch_size=64 = 200次迭代后正确率在85%左右

    5,VOC2012分类 + inceptionV3 + 自定义归一化 + 无补偿方差损失 = 正确率快速升高,但正确率到90%后就很难再升高

    6,VOC2012分类 + inceptionV3 + 自定义归一化 + 无补偿方差损失 + 学习率=0.1 = (最优)在接近200次迭代时出现“顿悟”,之后正确率大多在95%以上,最高到达97%

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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