《表1 3种融合策略的精度结果对比》

  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

《基于改进多尺度特征图的目标快速检测与识别算法》

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

为了证实压缩型双线性融合方法的有效性，选取了另两种常用的融合方法进行对比实验，即加性融合、级联融合。除了特征图融合模块，保持其他实验设置一致，选取VOC 2007trainval和VOC2012trainval组成训练数据，测试数据为VOC2007test。表1给出了3种融合策略的精度结果对比，SSD300*指文献[12]中使用新的数据增益方法所得模型，即在原模型的基础上增加了缩小图像的数据增益方法。由表1数据可以看出，与原SSD模型相比，这3种融合方法的识别精度均有不同程度的提升。其中，加性融合的精度最低，级联融合由于通过卷积核大小为1×1的卷积层进行了自适应调整，识别精度略高，而压缩型双线性融合方法的识别精度最高，mAP达到78.52%，相较于前两种融合方法分别提升了0.34%和0.22%，这是因为压缩型双线性融合方法能够充分捕捉特征图之间的相互作用，有效提升了特征图的融合利用程度。