使用PyTorch和Mask-RCNN的目标检测,最终结果74.15%

Batch大小为64,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74.15。

得分记录
2019-10-18

Batch Size 数据为 32 ,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 0.4 。

10:59:13
2019-10-17

Batch Size 数据为 32 ,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 22.71 。

21:34:17

Batch Size 数据为 32 ,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 0.02 。

16:52:17
2019-10-16

Batch Size 数据为 32 ,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 0 。

22:49:14

Batch Size 数据为 32 ,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 16.11 。

17:46:06
2019-10-15

Batch Size 数据为 32 ,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 0.07 。

20:03:45

Batch Size 数据为 32 ,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 0 。

13:57:32