《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》
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。
图表编号 | XD00148185800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 朱金铭、邰阳、邹刘磊、范洪辉、朱洪锦 |
绘制单位 | 江苏理工学院计算机工程学院、复旦大学计算机科学技术学院、江苏理工学院计算机工程学院、江苏理工学院计算机工程学院、江苏理工学院计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |