《表2 在ETH数据库中不同方法的检测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的级联行人检测方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在ETH数据库中，3种分类器下目标检测的误检率和漏检率稍有差异。与传统的HOG特征法相比，当误检率均为10%时，采用选择性搜索的行人检测方法的漏检率均有所降低。其中，基于选择性搜索和HOG的检测结果，漏检率约降低3.52个百分点；基于选择性搜索和AlexNet模型的行人检测结果，漏检率约降低9.32个百分点（见表2）。采用选择性搜索产生候选窗口的方法，相以滑动窗口的行人检测系统，检测的时效性有所改善，漏检率也有所下降。