使用上述loss function，SGDR 0.1学习率（等效于0.05），4500样本，100/batch 训练（有乱序，无数据增强），训练误差下降到与验证误差相等需要300epoch左右(记不清了)，总耗时6小时。不行我得去买显卡了。



训练效果：我们将3x3的网络输出放大到36x36，并叠加到64x64的样例上。 绿色通道是ground truth（x0.2）, 红色通道是prediction（x0.02）。



从结果来看，prediction比ground truth定位还准：ground truth 往往只给出了大方向（泛绿），prediction则准确定位到点（这就是为什么图中红绿分明，而不呈黄色）。输出强度也与目标在背景中的分辨难度成正比，比如说第二行最后一列，虽然ground truth给出了无人机的位置，但由于前景和背景混合得太完美，网络输出的activation几乎为零。