《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》
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。
图表编号 | XD00121460100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 韩松臣、张比浩、李炜、汤新民、付道勇 |
绘制单位 | 四川大学空天科学与工程学院、四川大学空天科学与工程学院、四川大学空天科学与工程学院、南京航空航天大学民航学院、四川大学空天科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |