光伏板缺陷识别-实验记录
作者：互联网
直接想骂人了，qnmd，明明是二分类问题，告我四分类，缺陷概率和缺陷种类分不清，草，浪费我好几周时间，真的是无语。。。
batch_size = 100 使用迁移学习
基础实验
Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_auc减小学习率，因子0.2
Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.15
Resnet152V2+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
Xception+ GlobAvgpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_auc减小学习率，因子0.2
Xception+ Maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
Xception+ GlobMaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
DensNet121+ GlobMaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
DensNet169+ GlobMaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
注意力机制实验
seNet+Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
senet位于Dense层的前面
SENet效果- 原始ResNet152：87.39 -> ResNet152+SENet：88.06
类别权重实验
weightClass+Resnet152+ maxpool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率，因子0.2
weightClass效果- 原始ResNet152：87.39 -> ResNet152+weightClass：89.41
模型融合实验
Resnet152+Xception+GlobMaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率，因子0.2
模型融合的效果实在太显著了，但是训练时长直接翻倍，成本增加
Resnet152+Xception效果- 原始ResNet152：87.39 原始Xception：85.14 ->ResNet152+Xception：91.67
标签：识别,val,BN,0.2,Dense200,Adam,光伏,缺陷,softmax 来源： https://www.cnblogs.com/spx88/p/16609137.html