《表1 不同模型对车辆检测的平均精确度(100%样本数)》

  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

《基于对抗学习与深度估计的车辆检测系统》

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

采用Faster-RCNN模型作为基本对照组。为了描述简单，将Faster-RCNN与遮挡对抗网络的组合简写为Faster+O，与形变对抗网络的组合简写为Faster+D，三者的共同组合简写为Faster+O+D。此外，为了检测系统对不同尺度目标的敏感度，分别给出不同尺度车辆目标的实验结果。目标尺度表示车辆目标在图像中的占比，由覆盖车辆的最小矩形框与整幅图像的比值来确定，本文取0.35。为了验证对抗样本生成网络对检测效果的影响，分别使用100%、70%与50%的样本数对网络进行训练，并验证检测效果，所有的实验结果汇总于表1—3。