光伏板缺陷识别-实验记录
这是一篇sci小论文的实验,记录如下
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0.2
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
DensNet121+ MaxPool+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
MobileNetV2+ MaxPool+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ResNet152:87.61 -> 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
针对类别不均衡的实验
weightClass效果- 原始ResNet152:87.61 -> 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ResNet152:87.61 原始Xception:85.14 ->ResNet152+Xception:91.67
InceptionResNetV2+ MaxPool+Dense1000+BN+Dense200+BN+softmax + Adam +根据val_loss减小学习率,因子0.2
第一阶段总结实验:
seNet+Resnet152+Xception+MaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率,因子0.2
seNet+Resnet152+Xception 92.57 非常完美的实验结果
CBAM+WeightClasss+ Resnet152+Xception+MaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率,因子0.2
eca+WeightClasss+ Resnet152+Xception+MaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率,因子0.2
数据增广+seNet+Resnet152+Xception+MaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率,因子0.2
第二阶段 : 四分类实验
数据增广+seNet+Resnet152+Xception+MaxPool+Dense512+BN+Dense256+BN+softmax+ Adam +根据val_loss减小学习率,因子0.2