《表1 深度网络模型对比:基于Faster R-CNN深度网络的油菜田间杂草识别方法》
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Faster R-CNN深度网络的油菜田间杂草识别方法》
根据模型评价,本实验对精确度与召回率两项指标以及F1值与检测时间(单张图像)进行了详细对比,深度网络模型的对比结果如表1所示。基于VGG-16、ResNet-50和ResNet-101特征提取网络,SSD深度网络模型和Faster R-CNN深度网络模型分别对油菜与杂草图像数据集进行目标识别。通过对比可知,相较于其余两种特征提取网络,在单张图像检测时间相差不大的情况下,VGG-16特征提取网络在SSD深度网络模型和Faster R-CNN深度网络模型上均表现出优良性能。特别是,基于VGG-16特征提取网络的Faster R-CNN深度网络模型对油菜与杂草目标的识别精确度达到83.90%,召回率达到78.86%,明显优于其余两种特征提取网络。通过对SSD深度网络模型和Faster R-CNN深度网络模型进一步对比,在采用相同的特征提取网络(VGG-16)的条件下,虽然SSD深度网络模型在检测时间上表现出优势,但是在精确度与召回率两项指标上,Faster R-CNN深度网络模型依旧表现出优良的性能。
图表编号 | XD00133397100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 张乐、金秀、傅雷扬、李绍稳 |
绘制单位 | 安徽农业大学信息与计算机学院智慧农业技术与装备安徽省重点实验室、安徽农业大学信息与计算机学院智慧农业技术与装备安徽省重点实验室、安徽农业大学信息与计算机学院智慧农业技术与装备安徽省重点实验室、安徽农业大学信息与计算机学院智慧农业技术与装备安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |