《表4 不同候选区域提取方法得到的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

首先，验证文中提出的加入Edge Boxes进行过滤之后得到的候选区域的Average Recall。表4中，SS1表示单独使用本文改进的Selective Search方法，SS1+EB表示加入Edge Boxes进行过滤之后的候选区域提取方法。为保证候选框质量，单独使用SS1提取的预候选区域数量为1 000，每个实验进行5次，结果取平均值。由表4中第二个实验可知，加入Edge Boxes过滤掉500个候选框之后提取的候选区域的Average Recall更高，由此说明Edge Boxes能够过滤掉IoU较低的候选区域，留下目标有效信息更加完整的候选区域，有利于目标特征的提取和检测。同时可以看出，Edge Boxes进行二次过滤的时间几乎可以忽略不计，因此本文提出的方法在提高候选区域质量的同时不会降低检测的效率。另外，当设定候选区域数量为300时得到的Average Recall和设定候选区域数量为500时得到的Average Recall差不多，而当设定的候选区域数量为100时Average Recall有明显下降。为尽可能地减少冗余的候选框，获得更好的检测效果，同时为了提高后面特征提取的效率，本文设定最终提取的候选区域数量为300。