《表7 抓取实验统计表:基于改进的YOLOv3算法在目标识别与抓取中的应用》
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YOLOv3算法在目标识别与抓取中的应用》
不同算法针对不同物体在不同背景下的识别实验对比如图8所示,图8(a)、图8(c)为YOLOV3对于目标的识别,图8(b)、图8(d)是改进的YOLOv3算法对于目标的识别。因为YOLOv3的算法采用的数据集物体的种类较多,将试验台识别为桌子,且对于其他物体的识别率也并不准确,对比可知,改进的YOLOv3算法不会识别非抓取目标。识别图8(a)、图8(b)的背景1中,手机识别率由0.47提升到0.94。识别图8(c)、图8(d)的背景2中,识别蓝色杯子准确率由漏识别提升到0.99;矿泉水瓶由0.98提升至1.00;识别药瓶的准确率由0.91提升到0.96。如图8(b)、图8(d)所示,改进的YOLOv3算法能通过自适应聚类算法更好的解决在未知数据集中anchor box的应用,能够看出(b)的识别框要更加接近物体。最终的识别与抓取实验如图9所示,抓取成功率如表7所示。
图表编号 | XD00146287400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 张浩、朴燕、鲁明阳 |
绘制单位 | 长春理工大学电子工程学院、长春理工大学电子工程学院、长春理工大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |