《表2 各类算法实验数据对比》

  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

《基于深度学习的目标检测技术的研究综述》

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

Fast R-CNN的优点主要包括：1）不需要磁盘空间进行特征信息的存储；2)mAP值相较于R-CNN和SPP-net均有所提高且计算时间减少，实验结果如表2所示；3）训练过程采用L1的多任务损失函数，实现单步骤完成；4）将边界框回归（Boundingbox Regression）放入神经网络内部，并与区域分类合并成一个多任务（Multi-Task）模型，从而实现了共享卷积特征，达到了较为理想的检测效果。但是其不足之处在于算法中采用了选择性搜索来找出所有候选框，该过程较为耗时。