《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》

  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

《用于交通标志检测的窗口大小聚类残差SSD模型》

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

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.