《表5 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

如图9所示，SSD（Single Shot MultiBox Detector）算法[29]的实现流程为：在传统的基础网络（如VGG）后增加了5个卷积层，用于将特征图的大小依次减少。对5个特征图的输入分别采用2个不同的3×3的卷积核进行卷积操作，每个先验框（Default Box）生成21个类别的置信值和4个坐标值（x，y，w，h），最后将5个特征图上的结果合并后送入损失函数。SSD算法的特点在于：1）采用多尺度特征图用于检测。对于较小的检测目标可用较大的特征图对其进行检测，反之较大的检测目标可用较小的特征图进行检测，从而提高了检测精度；2）SSD提出了端到端的训练网络，保证检测精度的同时大幅度提高了检测速度，且对低分辨率输入图像的处理效果很好；3）设置了先验框。每个单元设置尺度或者长宽比不同的先验框，预测的边界框（Bounding Boxes）是以这些先验框为基准的，在一定程度上降低了训练难度；4）利用卷积进行检测。SSD采用卷积对不同的特征图来提取检测结果。对输入300×300的图像，在Voc2007数据集上进行测试，能够达到58f/s（Titan X的GPU），mAP为72.1%，实验数据如表5所示。