《表1 目标检测网络实验对比》
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
《基于改进的Faster-RCNN模型的汽车轮毂表面缺陷在线检测算法研究》
在特征提取基础网络选取方面,选取VGG16网络和残差神经网络ResNet101作为特征提取的基础网络,分别对两个方案的网络进行训练,针对实验结果(表1),选择最优网络作为基础网络。由表1可知,VGG16网络的缺陷点检测率为0.56,划痕检测率为0.73,均值mAP优化率为0.65,准确度为0.6;ResNet101的缺陷检测率为0.88,划痕检测率为0.78,均值为0.83,召回率和准确率提升效果非常明显。因此,选择ResNet101作为特征提取的基础网络。
图表编号 | XD00145573100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 朱超平、杨永斌 |
绘制单位 | 重庆工商大学人工智能学院、重庆市检测控制集成系统工程重点实验室、重庆工商大学人工智能学院、重庆市检测控制集成系统工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |