《表2 模型组件性能对比：基于动态感受野的航拍图像目标检测算法》

  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

《基于动态感受野的航拍图像目标检测算法》

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

本实验是通过加减关键模块来分析各模块对算法性能的影响，本文对SE-ResNeXt，bottom-up，GCU和DRF检测子网络等组件进行消除实验。其中GCU模块和原“像素加”模块作对比，DRF检测子网络和原卷积检测子网络作对比。从表2可以看出：随着组件的添加，算法的性能逐步提升，与RetinaNet*相比，DRF-RetinaNet的AP提升6.17个百分点，AP50提升13.97个百分点。且同时加入GCU和bottom-up组件带来的涨点，要比两者单独带来的涨点之和更高，这说明两个组件间存在促进互补关系。Bottom-up短连接给顶层特征带来了空间信息，GCU融合模块提高了高层特征向底层特征的传输效率，引入这两个模块能增强FPN的特征信息流，有利于提取更有效的目标检测特征。