基于Keras+Mask-RCNN的目标检测

Batch大小为64,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为82.82。

得分记录
2019-11-09

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 84.18 。

14:49:56
2019-11-03

Batch Size 数据为 1 ,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 87.88 。

07:39:33
2019-11-01

Batch Size 数据为 1 ,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 85.4 。

16:39:12
2019-10-31

Batch Size 数据为 1 ,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 73.84 。

22:34:25

Batch Size 数据为 1 ,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 84.21 。

15:33:28
2019-10-31

Batch Size 数据为 1 ,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 86.31 。

01:38:55
2019-10-29

Batch Size 数据为 1 ,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 81.5 。

09:11:24
2019-10-28

Batch Size 数据为 1 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 78.8 。

00:04:57
2019-10-16

Batch Size 数据为 1 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 69.44 。

21:25:09
2019-10-12

Batch Size 数据为 1 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 73.41 。

22:01:40

Batch Size 数据为 1 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 78.6 。

12:22:45
2019-10-12

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 78.76 。

00:41:56

Batch Size 数据为 1 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 82.16 。

19:53:53

Batch Size 数据为 1 ,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 78.45 。

18:17:03
2019-10-11

Batch Size 数据为 1 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 74.75 。

11:50:50
2019-10-10

Batch Size 数据为 500 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 76.55 。

22:12:07

Batch Size 数据为 500 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 70.85 。

19:44:19

Batch Size 数据为 64 ,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 82.44 。

16:13:59
2019-10-10

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 69.23 。

00:30:16

Batch Size 数据为 64 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 82.82 。

20:41:09

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 82.39 。

17:44:21