《表6 对比多部件检测效果》
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
《改进Mask R-CNN在航拍灾害检测的应用研究》
%
采用多部件结合的方法,通过计算出部件和目标重叠率和相对位置关系不正确,判断此目标区域为非森林火灾区域,从而降低了误检率。在降低置信度阈值以后得到图18(b)检测出火灾区域,通过多部件结合的方法,判断出所属部件的相对位置不正确,故将目标剔除,得到最终检测结果如图18(c)。除了原始的Mask R-CNN模型,本文还与YOLO模型以及SSD方法进行实验对比,对比效果如表6所示,可以看出本文提出方法检测效果明显,森林火灾的检测精度达到了81.62%。
图表编号 | XD00102832100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 李梁、董旭彬、赵清华 |
绘制单位 | 太原师范学院管理系、太原理工大学信息与计算机学院&新型传感器和智能控制教育部(山西)重点实验室微纳系统研究中心、太原理工大学信息与计算机学院&新型传感器和智能控制教育部(山西)重点实验室微纳系统研究中心、太原理工大学信息与计算机学院&新型传感器和智能控制教育部(山西)重点实验室微纳系统研究中心 |
更多格式 | 高清、无水印(增值服务) |