《表4 不同场景下的检测精确率、召回率和平均精准度》

  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

《基于优化YOLOv3算法的交通灯检测》

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

YOLOv3优化算法通过精简网络，极大地避免了特征消失的问题，增强了网络对目标特征细节信息的提取能力，使不同场景和不同目标尺寸下的召回率都得到7个百分点到15个百分点的提升。同时，YOLOv3优化算法利用高斯分布特性，增强网络对每个边界框不确定性的判断，使不同场景和不同目标尺寸下的精确率都得到1.5个百分点到6.5个百分点的提升。在总体平均精准度提升9个百分点的情况下，网络结构的精简与高斯分布特性的运用还缩减了模型的检测时间，检测速度从27frame/s提升到30frame/s。不同场景和目标尺寸下的检测结果对比如图11所示。