《表3 模型改进前后检测性能对比》

  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

《基于改进型SSD的多类汽车车身冲压件识别算法》

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

在工件数据集测试集上对模型进行实验，测试集共包含1 062张图片，共10类工件。对改进前后的模型，分别计算得到每一类工件AP值，其结果如图6所示。从图6可知:相对于原始的SSD模型，改进型的SSD模型在每一类工件上的识别AP值都有所提高，说明改进后的模型具有更高的识别率。同时，如表3所示，可以得到原始的SSD模型在评估集上的m AP为92.3%，改进后的SSD模型在评估集上的m AP为98.3%，相比原始的SSD，工件的识别率提高了6%。改进的SSD模型能提高工件的识别精度，这是因为改进后的SSD模型的基础网络Resnet-50具有更深层的网络，具有更强的特征提取与表征能力，所以具有更高的识别率。为计算改进后SSD模型的识别速度，采用GPU为GTX1080Ti，在工件测试集上进行识别，识别的批处理大小为1。在识别速度方面，如表3中所示的改进前后SSD模型的FPS值可知:虽然改进后的SSD模型对工件具有更高的识别率，但是其识别速度却比原始的SSD模型慢。相对于原始SSD模型中的VGG-16，Resnet-50网络特征提取层数大大增加，所以改进后的SSD模型牺牲了一部分速度换取更高的识别率，但改进后的SSD模型仍然可以达到32帧每秒的识别速度，也能达到实时识别工件的要求。