📢: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+