8、垃圾检测与水果质量检测的技术探索

垃圾检测与水果质量检测的技术探索

垃圾检测中的迁移学习

在垃圾检测领域,迁移学习展现出了显著的优势。研究人员对有迁移学习和无迁移学习的模型进行了测试,测试数据集包含365张图像和795个垃圾实例。

模型类型 类别 图像数量 实例数量 精度(%) 召回率(%) mAP50(%) mAP50 - 95(%)
有迁移学习 All 365 795 81.9 68.4 77.1 63.6
无迁移学习 All 365 795 77.5 65.4 71.7 55.7

从测试结果来看,经过100个周期训练后,迁移学习模型在性能上有了重大提升。与无迁移学习的模型相比,mAP50指标提高了7.5%,mAP50 - 95指标提高了14.1%。在训练过程中使用迁移学

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值