《表2 YOLOv3训练结果（FP32)》

  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

《基于深度可分离卷积与通道裁剪的YOLOv3改进方法》

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

分别训练YOLOv3和YOLOv3-Tiny两套网络，其中：YOLOv3采取在WiderFace数据集上以固定416尺度训练225个epoch之后，再使用CelebA数据集随机多尺度微调5个epoch；YOLOv3-tiny采取在WiderFace数据集上以320～608随机尺度训练60个epoch之后，再使用CelebA数据集随机尺度微调20个epoch。以IoU=0.5作为评测指标，最终两个网络在CelebA测试集上获得Precision、Recall均超过99%的好成绩。表2给出在WiderFace测试集上的结果。其中，FP32表示网络参数为32位浮点型。表2给出YOLOv3和YOLOv3-Tiny模型在32位浮点型下的性能，精度数据均是在WiderFace数据集下的测试数据。然而，即使是目前表现最差的YOLOv3-Tiny-416模型，在CelebA测试集下IoU=0.5的测试结果仍为m AP 100%，Precision 99%，Recall 100%。部分检测结果如图5所示。