《表2 不同检测网络m AP值对比》

  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

《基于域适应Faster RCNN的复杂背景目标检测》

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

对比3个网络在测试集上的m AP值，如表2所示。表中Focal+balance指不加入域适应和对抗训练，只是单独在图像和实例级特征表达处加入一个域别分类的分支，以进行域别平衡，然后再加入Focal Loss的网络；FMda指文中算法提出的网络。分析表格知，相比Faster RCNN，FMda的检测结果在相同训练次数下，总的检测准确率提升了近17%。单独比较每个域别，源域提升为15%，目标域1提升近19%，而目标域2的提升接近25%，证实了域别平衡算法的有效性。在原Faster RCNN网络中，因梯度更新被数量较多的源域和目标域1主导，妨碍了目标域2的检测效果。而域别平衡改善了这个问题。