《表2 各类算法实验数据对比》
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。
图表编号 | XD00115172000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 罗元、王薄宇、陈旭 |
绘制单位 | 重庆邮电大学光电工程学院、重庆邮电大学光电工程学院、重庆邮电大学光电工程学院 |
更多格式 | 高清、无水印(增值服务) |