《表4 特征提取网络对比实验》
实验接着使用ResNet、MobileNet等不同的预训练模型作为Faster R-CNN的基础网络,在参数相同的条件下对比了各类目标的平均精度(AP)和平均精度均值(m AP)。从表4的统计结果可以看出,特征提取网络越复杂,f/s越小,分类效果越好,其中,ResNet152在玻璃绝缘子和屏蔽环上的测试效果明显优于其他模型,由于屏蔽环只占总样本的2.5%,网络难以学习到足够的特征,所以屏蔽环的精度是所有部件中最低的。
图表编号 | XD00146036900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 李远宁、宁柏锋、董召杰 |
绘制单位 | 南方电网数字电网研究院、深圳供电局有限公司、南方电网数字电网研究院 |
更多格式 | 高清、无水印(增值服务) |