《表3 不同模块的灼烧实验结果对比》
实验结果表明,FaceYoLo算法检测速度对于原始的YoLov3算法从43 frame/s提高到334 frame/s,同时训练权重参数相对于YoLov3算法减少至原来的1%,模型大小也从228 MB减少至2.28 MB,平均检测精度达到92.6%。在移动端测试中,将MobileNet训练出的模型和本设计算法的模型放到同一台嵌入式设备中进行测试,从测试结果显示,FaceYoLo算法的检测速度接近MobileNet速度的2倍;与此同时,在安卓平台下也进行了二次模型测试,安卓平台下摄像头端实时检测人脸的速度也从5 frame/s提升至10 frame/s,这对于移动端的开发来说是很大的进步。从整个实验结果来看,新算法在保证高精度的情况下具备更快的检测速度,可以很好地适用于移动平台的人脸检测任务。
图表编号 | XD00133819700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 任海培、李腾 |
绘制单位 | 安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |