《表6 模型性能对比表：轻量级目标识别深度神经网络及其应用》

  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

《轻量级目标识别深度神经网络及其应用》

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

图6中可知，模型在“car（汽车）”，“tram（电车）”，“truck（卡车）”中都有很好的精确率和召回率；在“van（面包车）”中的召回率一般，不是特别好。在“person（人）”和“cyclist（骑自行车的人）”中的召回率较低，这主要是由于数据中的大多数行人和自行车在图像中占有的像素空间太小，模型在对这类目标进行预测时很容易误判，使得模型在追求高召回率的时候，预测精度下降。绘制好PR曲线后，计算每个类别PR曲线下的面积，所得面积即为模型在每个类别下的平均准确率AP，然后对所有类别的AP取均值，即可获得模型在测试集上的m AP，具体参数值见表5。最终，模型在KITTI测试集上获得mean AP为0.727。作为对比，使用VGG-SSD、YOLO、Mobile Net[15]网络模型在数据集上进行实验，最终的对比结果如表6所示。