《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》

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%。