《表3 特征融合网络与OHEM对检测结果影响》
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2可知,通过将锚箱尺寸大小调整为{642,1282,2562}以及继续额外添加更小的锚箱{162,322},使其尺寸分布更适应于特征图感受野同时更好地覆盖数据集中物体的大小范围,以ResNet?101为特征网络的Faster?RCNN在人员与车辆上的检测AP值相对于原始Faster?RCNN的设置检测结果分别提升了24.9%与9.2%。这证明了较小的预定义锚箱能有效的提升小目标的检测结果与检测边框回归的性能。最后,以表2中最后一行所示模型为基准,继续添加特征融合网络与在线难例挖掘进行训练与测试,实验结果见表3。
图表编号 | XD00121460600 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) |