使用PyTorch构建Mask-RCNN进行目标检测,准确率96.64%

Batch大小为8,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96.64。

得分记录
2019-11-12

Batch Size 数据为 8 ,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 95.79 。

13:24:39
2019-11-09

Batch Size 数据为 8 ,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 96.31 。

22:46:47
2019-11-08

Batch Size 数据为 8 ,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 96.64 。

23:14:09
2019-11-06

Batch Size 数据为 8 ,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 95.97 。

21:10:26

Batch Size 数据为 8 ,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 96 。

08:51:40
2019-11-05

Batch Size 数据为 8 ,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 95.6 。

17:38:11
2019-11-04

Batch Size 数据为 8 ,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 95.7 。

00:55:50
2019-10-24

Batch Size 数据为 8 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 11.81 。

12:08:10
2019-10-21

Batch Size 数据为 8 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 0.24 。

00:36:56
2019-10-13

Batch Size 数据为 8 ,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 73.45 。

00:51:19