《表2 测试结果：基于Faster RCNN的行人及车辆类型检测》

  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Faster RCNN的行人及车辆类型检测》

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

通过训练好的模型对测试集进行测试，测试结果见表2。结果显示，使用传统的Faster RCNN网络模型的平均检测准确率为82.85%，平均每张图像的检测时间为0.200 2 s；改用流行残差网络Res101作为共享卷积层，模型平均检测准确率为84.44%，平均每张图像的检测时间为0.184 5 s，相对于传统的Faster RCNN模型的不只在准确率有提升，而且还在检测时间上有提升；选用优化后的Faster RCNN模型平均检测准确率为86.50%，平均每张图像的检测时间为0.138 9 s，不仅时间有提升，检测准确率也有了很大提升。