《表2 不同锚箱尺寸的检测效果比较》

  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

《基于改进Faster-RCNN的机场场面小目标物体检测算法》

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

由表1可见，通过替换不同的特征提取网络，ResNet?101网络在mAP结果上相比ZF?Net，VGG?16分别提升了9.9%，2.6%，虽然在航空器，车辆这两类具有较大尺寸的目标上检测结果几乎持平，但在人员类别上的检测结果提升了20.1%与8.1%。这充分证明了ResNet?101残差对于小目标检测的优越性。此外，考虑到原始的Fast?er?RCNN中所使用的人为预定义的锚箱尺寸大小为{1282，2562，5122，}，该尺寸大小不能很好地覆盖机场数据集中的物体尺度范围。因此研究对比了不同锚箱尺寸大小在机场数据集的检测性能结果。值得注意的是，训练与测试模型时所采用的锚箱尺寸保持一致，锚箱尺寸大小分布分为A组{1282，2562，5122，}，B组{642，1282，2562}，C组{162，322，642，1282，2562}。实验结果见表2。