【果树农药喷洒机器人】Part5：实例分割模型训练与试验分析

嵌小超

已于 2023-09-09 19:26:26 修改

阅读量1.7k

点赞数 2

分类专栏： AIoT项目实战文章标签：机器学习机器人人工智能

于 2021-06-08 21:21:33 首次发布

本文链接：https://blog.csdn.net/weixin_51244852/article/details/117716535

版权

AIoT项目实战专栏收录该内容

8 篇文章 7 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了一种基于MSEU R-CNN的柑橘树冠实例分割方法，通过结合SE模块、ResNet-15和U-Net++提升分割效果。实验表明，MSEU R-CNN在不同生长阶段的柑橘树冠检测与分割上表现出高精度，同时在速度和鲁棒性上优于其他模型。

摘要由CSDN通过智能技术生成

📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢：文章若有幸对你有帮助，可点赞 👍 收藏 ⭐不迷路🙉
📢：内容若有错误，敬请留言 📝指正！原创文，转载请注明出处

一、试验环境

本章试验在Windows 10操作系统中完成，服务器的主要配置为GeForce RTX 2060 GPU（6GB）和Inteli7 9750 HCPU。在此基础上构建Pytorch 1.7.1[44]深度学习框架，并用Python 3.6.5编程语言实现网络模型的训练和测试。为加快模型训练的速度，本研究在环境中安装版本为10.1的CUDA显卡加速计算平台，以及兼容该版本的深度神经网络加速工具CUDNN 7.5。

二、模型训练

模型训练的超参数设置：每个训练批次的照片数量（batch_size）为1张，epoch设置为10次，采用SGD作为优化器，动量因子为0.9，权值衰减系数为0.0001，优化器的初始学习率设置为0.004。为验证改进方案的有效性及改进模型的检测、分割效果，与4种不同的骨干网络（ResNet-18、ResNet-50、ResNet-101、ResNext-50）进行对比试验。另外为验证U-Net+