《表4 不同模型评价参数对比》

  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

《改进Faster RCNN模型在棉花异性纤维识别中的应用》

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

不同模型的评价参数对比如表4所示，从表4可以看出，YOLOv3和SSD模型的识别效果与改进后模型的识别效果较为相近，但在准确率和召回率上还有一定的差距。HOG+SVM方法对异性纤维的识别效果最差，其准确率和召回率与Faster RCNN Pro差距较大，这是因为HOG特征具有一定的方向性，而异性纤维在棉花中的分布杂乱无章，导致提取到的HOG特征不具有一定的代表性，SVM无法对其特征进行准确分类。通过对比可知，改进后的Faster RCNN识别效果最优。