《表2 检测结果:用于交通标志检测的窗口大小聚类残差SSD模型》
使用GTSDB对所提模型进行训练.首先根据K-均值聚类算法将GTSDB训练集中交通标志的长和宽聚成7个簇,如图8所示,聚类中心点对应默认窗口的基准大小.得到默认窗口的基准大小分别是[8.65,14.69],[12.12,20.38],[15.69,26.48],[19.95,33.44],[25.25,41.88],[31.81,52.80]和[42.57,70.56].训练和验证过程中损失函数如图7所示,当轮次到300次时认为模型已收敛.从图中可以发现,所提模型最后收敛损失小于原始SSD模型的收敛损失.检测结果如表2第6行所示,mAP达到97.1%,每幅图像的检测速度0.07 s.所提模型比以ResNet50为基础网络的SSD模型mAP高出1.1%,比原始SSD模型高出2.6%.同时开展本文算法和Faster R-CNN[25]和FPN检测比对实验,结果见表2第2行和第3行,均表明所提模型检测性能得到明显改善.
图表编号 | XD00105892000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 宋青松、王兴莉、张超、陈禹、宋焕生、KHATTAK Asad Jan |
绘制单位 | 长安大学信息工程学院、长安大学信息工程学院、长安大学信息工程学院、长安大学信息工程学院、长安大学信息工程学院、长安大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |