《表1 使用基线Faster R-CNN和本文方法的平均精确度》

  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

《深度学习的多尺度多人目标检测方法研究》

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

注：‘—’表示原文献未进行实验。

使用基线Faster R-CNN，以及提出的人体目标检测方法，分别用于PETS 2009、Caltech和INRIA这三个标准数据集进行了实验，并参考了计算机视觉顶级会议CVPR2018文献[22]在Caltech数据集上得到的实验结果。实验的评价指标是平均精确度（Average Precision），即，PR(Precision-Recall）曲线的下面积。这种评价指标的优点是，通过结合不同阈值条件下的Precision-Recall二元组，得到目标检测精确度的综合指标AP，而不是片面地追求recall，或者片面追求precision。如表1所示，上述三个数据集，分别用于基线Faster R-CNN与提出的算法，以及CVPR2018文献[22]得到的平均精确度结果进行了对比。