《表1 性能指标对比：基于卷积神经网络的环视车位检测研究》

  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

《基于卷积神经网络的环视车位检测研究》

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

如表1所示，对YOLOv2、SSD、YOLOv3以及本文方法的检测性能进行对比。根据算法的典型参数设置，SSD输入图像大小是300×300，YOLOv2、YOLOv3和本文方法的输入图像大小是416×416。由表1参数可知，YOlOv2和SSD在检测速度方面有一定的优势，但是在检测精度方面不如YOLOv3，本文方法在YOLOv3的基础上进行模型改进。参考YOLOv3的参数设置[7]，本文方法的输入图片大小被调整为416×416，图片被分为3个不同尺度的网格，小尺度网格个数为13×13，中尺度网格个数为26×26，大尺度网格个数为52×52，每个网格预测3个边界框。使用相同的训练集和训练参数，YOLOv3标准网络的模型大小为241MB，通过网络特征缩减的方法，模型大小降为原先的2/5，再经过MobileNet压缩，可将模型大小减少至标准网络的1/12。在检测速度方面，特征缩减网络提升7帧/秒，MobileNet压缩网络再提升4帧/秒。对比平均精度指标，网络缩减基本上没有性能损失，网络压缩有2.7个百分点损失。