《表1 目标检测准确率对比》

  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YOLOv2模型的道路目标检测改进算法》

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

之后产生了一系列目标检测算法：在CVPR大会上提出的RCNN(Reigions with CNN），通过探索性选择滑动目标窗口形式，生成有可能包含被检测物体的目标窗口，并且逐一采取分类器识别方式对所有窗口进行识别，然后通过对候选滑动窗口的处理去除冗余窗口；Fast-Rcnn[7]以及Faster-Rcnn[8]逐渐将提取特征图的部分与分类部分合二为一，前者将特征图输入到一个全连接层中，从而得到相应的回归判定，后者则将提取特征图部分融合到神经网络中，实现了一体化操作。这两种算法将VOC 2007上的MAP分别提升至70%、73.2%。多模型在相同数据集上的对比表现如表1所示。