《表1 YOLOv3实验结果,》
表2为Faster R-CNN模型在VOC 07数据集上的实验结果。对于Faster R-CNN模型,和YO-LOv3相比,数据增强方法对于检测准确率的提升就小了很多。当采用数据增强方法训练网络时,mAP只得到了一个很小的0.22%的增加量。学习率优化对于Faster R-CNN的准确率提升为1.79%。类标签平滑的提升率为0.61%。学习率优化和类标签平滑两种优化方法综合能给Faster R-CNN带来相比基准高2.40%的mAP提升。图5为应用优化训练方法后的Faster R-CNN检测采样示例图片的可视化,证明模型同样能够很好地检测到图片中的物体。
图表编号 | XD00144923500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 杨海龙、田莹、王澧冰 |
绘制单位 | 辽宁科技大学计算机与软件工程学院、辽宁科技大学计算机与软件工程学院、辽宁科技大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |