《表2 级联RPN方法DRPN与Faster R-CNN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》
同样地,为了验证级联RPN的有效性,如表2所示,本文做了单个RPN和2个RPN的对比实验。Faster R-CNN基于ResNet50的m AP为91.3%,基于ResNet101的m AP为91.7%,本文的方法,即采用级联RPN(DRPN),基于ResNet50的m AP为93.6%,基于ResNet101的m AP为94.2%,相对于Faster R-CNN分别提高2.3和2.5个百分点。级联RPN相对于单个RPN精度更高,主要是因为第2个RPN以第1个RPN的输出为输入,学习更细致的特征,专注于查找类内的差异,减少了误分类的可能性。
图表编号 | XD00120247200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 王文、周晨轶、徐亦白、卢杉、周梦兰 |
绘制单位 | 国网浙江省电力有限公司信息通信分公司、国网浙江省电力有限公司信息通信分公司、国网浙江省电力有限公司信息通信分公司、国网浙江省电力有限公司信息通信分公司、国网浙江省电力有限公司信息通信分公司 |
更多格式 | 高清、无水印(增值服务) |