分享使用Mask-RCNN和Keras完成对目标检测任务,预测结果7.71%

Batch大小为20,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为7.71。

得分记录
2019-10-03

Batch Size 数据为 20 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 0.46 。

22:49:36

Batch Size 数据为 25 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 0.05 。

20:28:05
2019-10-03

Batch Size 数据为 20 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 4.06 。

01:16:42

Batch Size 数据为 25 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

22:55:06

Batch Size 数据为 20 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 0.37 。

20:40:32
2019-10-02

Batch Size 数据为 20 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 7.71 。

01:24:55

Batch Size 数据为 30 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

00:35:12

Batch Size 数据为 20 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 0.19 。

22:58:05

Batch Size 数据为 20 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

22:42:59

Batch Size 数据为 20 ,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 0.01 。

22:11:57