《表3 不同模型对车辆检测的平均精确度(50%样本数)》
由表1可知,增加对抗网络可以显著地提升车辆检测的平均精确度;Faster+O+D的结果表明,结合两种对抗网络,可以使模型的性能达到最好。对于高尺度的目标(即目标画面占比0.35的目标),Faster-RCNN与添加对抗网络的检测模型均取得了较好的效果。而对于低尺度目标(即目标画面占比小于0.15的目标),Faster-RCNN的效果下降比较明显;添加了形变对抗网络的检测器可以有效地对图像中的小目标进行检测。而表2与表3是在减少训练样本情况下得到的结果,在样本不足时,缺少对抗网络的模型性能退化比较严重,而具备对抗网络的模型尽管也存在一定程度的性能下降,但明显比前者有所改善。
图表编号 | XD00152512900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 徐源、翟春艳、王国良 |
绘制单位 | 辽宁石油化工大学信息与控制工程学院、辽宁石油化工大学信息与控制工程学院、辽宁石油化工大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |