《表3 不同方法在IOU=0.5时的实验结果》

  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

《一种采用级联RPN的多尺度特征融合电表箱锈斑检测算法》

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

同时，如表3所示，本文的方法结合多尺度特征提取和合并、级联RPN 2种方法，基于ResNet50，在电表检测上相对于只使用多尺度特征融合方法提高1.1个百分点，相对于只使用级联RPN方法提高了0.9个百分点。同时不论是在电表检测还是在锈斑分类上，都高于目前主流的目标检测框架，其中在电表检测上高于YOLOv2[22]方法3.8个百分点，锈斑分类上高4个百分点，实验结果充分说明结合多尺度特征融合和级联RPN 2种方法能够进行有效的电表检测和锈斑分类的任务。