《表1 性能参数对比:基于YOLO改进算法的轨道扣件状态检测研究》
由测试结果可知,经过改进的网络识别准确度均获得较大提高,对于有遮挡的道岔区段的扣件识别准确度由83%提高到98%;由图8(b)和图9(b)可以看出改进后的网络目标识别框的位置更加精准;由图8(a)和图9(d)可知数据集的增广使得网络对非正常状态的扣件识别准确度由89%提高到96%。为了更好地观察改进前后的对比,对测试集的结果加以统计,其中涉及的主要参考指标为平均精度值(mAP),查全率和查准率[12],对比结果见表1。
图表编号 | XD00116261900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 王兵水、郑树彬、李立明、钟倩文 |
绘制单位 | 上海工程技术大学城市轨道交通学院、上海工程技术大学城市轨道交通学院、上海工程技术大学城市轨道交通学院、上海工程技术大学城市轨道交通学院 |
更多格式 | 高清、无水印(增值服务) |