标签：识别 val BN 0.2 Dense200 Adam 光伏 缺陷 softmax
直接想骂人了，qnmd，明明是二分类问题，告我四分类，缺陷概率和缺陷种类分不清，草，浪费我好几周时间，真的是无语。。。
batch_size = 100 使用迁移学习
基础实验
Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_auc减小学习率，因子0.2
Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.15
Resnet152V2+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
Xception+ GlobAvgpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_auc减小学习率，因子0.2
Xception+ Maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
Xception+ GlobMaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
DensNet121+ GlobMaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
DensNet169+ GlobMaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
注意力机制实验
seNet+Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
senet位于Dense层的前面
SENet效果- 原始ResNet152：87.39 -> ResNet152+SENet：88.06
类别权重实验
weightClass+Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
weightClass效果- 原始ResNet152：87.39 -> ResNet152+weightClass：89.41
模型融合实验
Resnet152+Xception+GlobMaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率，因子0.2
模型融合的效果实在太显著了，但是训练时长直接翻倍，成本增加
Resnet152+Xception效果- 原始ResNet152：87.39 原始Xception：85.14 ->ResNet152+Xception：91.67
标签：识别,val,BN,0.2,Dense200,Adam,光伏,缺陷,softmax 来源： https://www.cnblogs.com/spx88/p/16609137.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。