《表1 不同相似度权值组合得到的Average Recall》

  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

《基于候选区域和并行卷积神经网络的行人检测》

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

本文通过设定不同的相似度组合验证所提出的相似度权值组合的有效性，由于实验组数较多，表1仅列出具有代表性的12组。为了保证候选区域的质量，实验设定提取的候选区域数量为1 000，每个实验进行5次，结果取平均值，实验结果如表1所示。其中，Sc、Ss、St、Sf分别表示颜色、尺度、纹理和形状相似度。由实验结果可知，单独使用一种相似度进行初始区域合并时，每种相似度得到的Average Recall是不同的，由此说明每种相似度在行人目标合并过程中起的作用大小不一。单独使用颜色或形状相似度获得的Average Recall较高，说明对于行人类别来说，颜色或形状相似度在获取候选区域时重要程度较高。采用多种相似度合并比采取单一的相似度合并策略得到的Average Recall更高，说明多种相似度组合比单一的相似度效果要好。当颜色和形状的权值在多种相似度组合中所占比重较大时，能得到更高的Average Recall，这进一步验证了权值相似度的作用，说明了本文改进方法式（6）的有效性。为尽可能取得更高的Average Recall，本文后续实验选取的4个权值参数分别是β1=1.5，β2=1，β3=0.5，β4=2。