《表3 多种检测方法性能对比》
表3为本文方法及各类检测方法在场面飞机数据集上测试性能对比,P表示飞机检测的准确率,vFPS表示检测的速度,本文方法的P和vFPS分别为83.7%、26frame·s-1,比传统的HOG+SVM检测方法提升了34.1%和12frame·s-1,得益于深度学习的检测方法具有提取深层特征的能力,同时YOLO、SSD系列算法将目标检测看成回归问题,提升了检测速度;本文方法与Faster-RCNN相比,检测精度也提高了4.1%,主要原因是本文方法沿用了Anchor机制、FPN结构,提升网络对目标的检测准确率;本文方法的检测准确率较SSD、YOLO v3分别提高了13.2%和11.4%,表明本文方法的骨干网络能保持较高的分辨率、开阔的感受野,有利于提高场面飞机检测的准确率。本文方法的检测速度较YOLO v3降低了8frame·s-1,主要是由于本文方法采用了空洞卷积(比普通卷积耗时),且较高的特征图分辨率造成检测网络的计算量增加,从而降低了检测速度。虽然检测速度有所降低,但检测准确率得到提升,且满足不低于25frame·s-1的实时性要求。
图表编号 | XD00106608000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.10 |
作者 | 郭进祥、刘立波、徐峰、郑斌 |
绘制单位 | 宁夏大学信息工程学院、中国民用航空西北地区空中交通管理局宁夏分局、宁夏大学信息工程学院、宁夏大学信息工程学院、宁夏大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |