《表2 实证分析结果:基于Yolov3的自动驾驶目标检测》
数据集是分析深度学习神经网络模型性能的基础。自动驾驶交通场景下,行人及车辆是主要障碍物。本文选择coco数据集作为训练集,主要选取行人、自行车、摩托车、汽车、公交车共5个种类对象进行训练,提高模型在自动驾驶交通场景下的适应能力。考虑到coco数据集在5类数据集样本不够充分的情况,本文扩充了voc2007中同种类别的样本图片,进一步提高模型的泛化能力。另外,模型训练完成后,在voc2007-test测试集上进行测试,比较不同模型的检测效果。实验平台配置如表2表示。
图表编号 | XD00184503400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.15 |
作者 | 袁志宏、孙强、李国祥、白书战、严英、张振华 |
绘制单位 | 山东大学能源与动力工程学院、山东大学能源与动力工程学院、山东大学能源与动力工程学院、山东大学能源与动力工程学院、天津职业技术师范大学、山东大学能源与动力工程学院 |
更多格式 | 高清、无水印(增值服务) |