《表2 不同模块对算法准确率的影响》

  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

《基于感受野的快速小目标检测算法》

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

进一步分析添加新模块对算法检测效果的影响，对新添加的模块进行消融实验，结果如表2所示，增加感受野模块可以将算法检测准确率提高2.9个百分点，表明增大卷积感受野能提升算法的检测性能。相应地，由于感受野采用多个支路卷积，增加了模型的复杂度，检测速度比原来降低37frame/s；另一方面，增加特征融合模块将算法在测试集的准确率提升1.7个百分点，从模型运行速度来看，这得益于特征融合模块的结构较为简单，检测速度只比原来降低16frame/s。本文算法将感受野模块和特征融合模块同时嵌入到SSD算法框架当中，在提升算法检测准确率的同时保证了算法的实时性。