《表2 SSD算法在test-90测试集上的检测精度(单位:%)》

  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

《基于深度学习的管制物品自动检测算法研究》

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

采用多角度旋转的方式对数据集进行扩增。为验证该方法对检测精度提高的有效性，本文分别对数据集SDCI2018和VOC2007+2012做了两组实验。首先，利用扩增后的SDCI2018数据集对SSD算法的网络进行训练，发现模型检测精度的提高超过了3%，如表1所示（SSD512表示没有对训练集进行扩增的检测结果，SSD512＿KZ表示对训练集进行旋转扩增后的检测结果，512表示输入图片的分辨率为512pixel×512pixel，mAP表示平均精度的均值，AP表示某一类别图片检测精度的均值）。然后，对扩增后的VOC2007+2012数据集进行实验，为了验证数据集扩增的有效性，重新设计了测试数据集，即将原VOC2007测试集中的每张图片旋转90°，组成test-90测试集。实验结果表明，由原数据集训练得到的模型对旋转后的测试集（test-90）进行检测，精度极低，而对训练集进行相应旋转后，检测精度可获得较大幅度的提升，如表2所示。表2中SSD300表示没有对训练集进行扩增的检测结果，SSD300＿KZ表示对训练集进行旋转扩增后的检测结果，300表示输入图片的分辨率为300pixel×300pixel。