《表2 图像增强前后对比结果》

  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

《基于改进的Faster R-CNN车厢编号识别方法》

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

通过统计模型检测的漏检率与错检率，分别在A、B、C三个测试集上进行测试，评价引入Retinex算法后车厢编号识别网络与未引入Retinex算法的车厢编号识别网络两种车厢编号识别模型的实用性与先进性，如表2所示，加入Retinex图像增强算法的模型在A、B、C三个测试集上的漏检率分别为1.80%、3.32%、2.21%，漏检率明显降低，错检率均为0。Retinex图像增强算法可以消除光照因素对车厢编号图像造成的不利影响，提升车厢编号图像质量，降低车厢编号识别的漏检率和错检率。