语义分割中的参数设置及其意义

语义分割中的一些参数设置及其意义

近期一直在研究深度学习中语义分割任务，现在想总结一下训练策略和参数的设置

1.FCN

在voc-fcn-alexnet中

	train_net: "train.prototxt"
	test_net: "val.prototxt"
	test_iter: 736
	# make test net, but don't invoke it from the solver itself
	test_interval: 999999999
	display: 20
	average_loss: 20
	lr_policy: "fixed"
	# lr for normalized softmax
	base_lr: 1e-4
	# standard momentum
	momentum: 0.9
	# gradient accumulation
	iter_size: 20
	max_iter: 100000
	weight_decay: 0.0005
	snapshot: 4000
	snapshot_prefix: "snapshot/train"
	test_initialization: false

部分参数解释：

display: 20 每训练20次显示一次结果

lr_policy: "fixed" 意味着保持base_lr不变

snapshot: 4000 设置训练4000次保存一次

2.ERFnet

一共23层网络

因为源码被作者封了，所以调整了一下。

3 deeplab v3+

执行完一次全部的数据称为一个epochs。上面是在imagenet预训练的参数。

下面是在预训练之后的参数

4.mobile-segmentation