《表2 YOLOv3和FasterRCNN-ResNet101对比》
YOLOv3模型在城管车辆数据集上的检测结果如表2所示。本文参考VOC2007数据集的评价指标,设置IOU阈值为0.5,检测框与真实框的IOU超过阈值则视作检测成功。每一类都可以用召回率(Recall)和准确率(Precession)来绘制一条曲线,AP就是该曲线下的面积。mAP是多个类别AP的平均值。FPS为网络在batch size为1的时候测试速度。检测结果如表2所示。
图表编号 | XD00139876300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 赵逸如、刘正熙、熊运余、严广宇 |
绘制单位 | 四川大学计算机学院、四川大学计算机学院、四川大学计算机学院、四川大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |