《表1 YOLOv3实验结果，》

  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

《目标检测模型的优化训练方法研究》

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

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。