《表2 三种方法实验数据:基于深度学习优化YOLOV3算法的芳纶带检测算法研究》
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
《基于深度学习优化YOLOV3算法的芳纶带检测算法研究》
在实际测试集中,正负样品的比例为1∶1,训练样本均为200张,传统的基于机器视觉的方法、基于YOLOV3算法和基于改进的YOLOV3算法,对测试集检测数据见表2。由表2可知,传统的基于OTSU和纹理滤波的检测方法,相较于其他两种算法,检测准确率差,达不到实时性,误检率和漏检率数据都很差。未优化的YOLOV3算法,相比于改进的YOLOV3算法,检测准确率低0.15,误检率高0.19,漏检率高0.1,检测时间基本一致,这是因为本文采用了卷积降维的设计,使得检测时间没有加长,检测精度有明显改善。
图表编号 | XD00141831300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 杨建伟、涂兴子、梅峰漳、李亚宁、范鑫杰 |
绘制单位 | 平顶山天安煤业股份有限公司煤矿机电运输、平顶山天安煤业股份有限公司煤矿机电运输、平顶山天安煤业股份有限公司煤矿机电运输、山西戴德测控技术有限公司研发部、山西戴德测控技术有限公司研发部 |
更多格式 | 高清、无水印(增值服务) |