《表1 多尺度特征提取合并方法FM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》
如表1所示,Faster R-CNN基于ResNet50的m AP为91.3%,基于ResNet101的m AP为91.7%,而采用多尺度特征提取和合并特征策略,基于ResNet50的m AP为93.4%,基于ResNet101的m AP为93.8%,相对于Faster R-CNN提高2.1个百分点。同时对于电表锈斑分类的正确率也提升了1.8和2.0个百分点。获得更好的效果主要是因为采用多尺度特征使对象定位更好,尤其是对于小对象,从而能够使目标检测精度得到提高。这些结果表明,本文的策略能提供更高质量的建议区域,从而获得更好的精度。
图表编号 | XD00120247900 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) |