使用PyTorch构建FasterRcnn进行目标检测,准确率39.39%

Batch大小为5,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为39.39。

得分记录
2020-01-22

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 39.39 。

17:29:19

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 29.86 。

17:00:51

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

15:56:12

Batch Size 数据为 5 ,Epoch循环次数为 3 次, 通过在线上环境完成训练,模型最优精度评分为 34.55 。

14:50:13

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 33.63 。

13:50:22

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 0.2 。

13:21:37

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 2.01 。

12:48:37

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 21.12 。

12:26:16

Batch Size 数据为 5 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 21.3 。

11:41:05