11. 记录优化变化检测模型 U-Net 3+ 过程

1. 各次训练过程曲线


LG7bSH.png

图①:初始学习率为0.0125,训练50轮;


LGH9fg.png

图②:初始学习率为0.0001,训练50轮;


LGHEmq.png

图③:初始学习率为0.02,训练40轮;


LGHuhF.png

图④:初始学习率为0.02,训练60轮;

使用环境为市场价 ¥61999 的 NVIDIA Tesla V100 32GB内存 GPU;每次训练时长:6~8小时。

2. 模型检测结果

三者分别为“原来的地貌”、“目前的地貌”和“变化检测结果”


LGq3o6.png
LGqDTP.png
LGbvi8.png


LGqayd.png
LGqBwt.png
LGqeWF.png

3. 小结

  从目前来看,图③训练出的模型在未知标签的测试集上的 F1 分数最高,直接能到0.79369,结合多图打分算法,可以使 F1 Score 达到 0.80352 。能否突破 0.82大关,目前来看还是个运气球。

打赏
文章目录