直接想骂人了，qnmd，明明是二分类问题，告我四分类，缺陷概率和缺陷种类分不清，草，浪费我好几周时间，真的是无语。。。

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0.15

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

 DensNet169+ GlobMaxPool+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ResNet152：87.39 -> 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

weightClass效果-  原始ResNet152：87.39 -> 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ResNet152：87.39 原始Xception：85.14 ->ResNet152+Xception：91.67