《表2 R-FCN及对比算法目标检测mAP及推理时间对比》

  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

《深度学习在输电线路工程验收智能缺陷识别中的应用》

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

%

在IoU阈值为0.5时，YOLOv3算法、Faster R-CNN算法和R-FCN算法的mAP（记作[email protected]，下同）如表2所示。R-FCN算法的mAP与Faster R-CNN高约4%，比YOLOv3 800算法的mAP高约7%。