《表2 测试结果:基于Faster RCNN的行人及车辆类型检测》
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。
图表编号 | XD00149945800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 邵丽萍、魏相站、李春红、唐志英、白忠臣、张正平 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学贵州省光电子技术及应用重点实验室、贵州大学贵州省光电子技术及应用重点实验室、贵州大学大数据与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |