使用PyTorch和CenterNet的目标检测,最终结果95.44%

Batch大小为8,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95.44。

得分记录
2019-11-07

Batch Size 数据为 8 ,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 95.44 。

13:12:06
2019-11-06

Batch Size 数据为 8 ,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 0 。

01:50:14
2019-11-05

Batch Size 数据为 8 ,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 95.33 。

11:17:36
2019-10-31

Batch Size 数据为 8 ,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 8.12 。

02:41:54
2019-10-29

Batch Size 数据为 8 ,Epoch循环次数为 60 次, 通过在线上环境完成训练,模型最优精度评分为 95 。

11:07:29

Batch Size 数据为 8 ,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 0 。

13:52:12
2019-10-13

Batch Size 数据为 8 ,Epoch循环次数为 60 次, 通过在线上环境完成训练,模型最优精度评分为 95.22 。

15:55:10

Batch Size 数据为 8 ,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 95.41 。

16:45:14
2019-10-11

Batch Size 数据为 8 ,Epoch循环次数为 40 次, 通过在线上环境完成训练,模型最优精度评分为 94.88 。

23:24:40

Batch Size 数据为 8 ,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 94.23 。

03:59:21
2019-10-10

Batch Size 数据为 8 ,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 94.29 。

05:41:30

Batch Size 数据为 6 ,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 94 。

07:59:35
2019-10-05

Batch Size 数据为 8 ,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 87.88 。

19:24:59
2019-10-02

Batch Size 数据为 6 ,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 88.62 。

13:20:25