《表2 3种不同成熟度蓝莓在Faster R-CNN和DPM中的F值(%)》

《表2 3种不同成熟度蓝莓在Faster R-CNN和DPM中的F值(%)》   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 R-CNN的蓝莓冠层果实检测识别分析》


  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

为说明Faster R-CNN算法在小目标识别方面的优越性,与DPM算法Deformable Part Model进行对比试验,使用相同训练集、测试集和验证集,获得其精准率、召回率和准确率,并绘制P-R曲线图(图4)。从成熟果、半成熟果和未成熟果蓝莓P-R曲线图可知,Faster R-CNN算法中曲线坐标位置均在DPM算法上方。当DPM算法召回率达最高值75%时,Faster R-CNN算法对应下的成熟果、半成熟果和未成熟果精确率分别为96.0%、94.5%和95.0%,DPM算法对应下的成熟果、半成熟果和未成熟果识别精确率分别为82.0%、83.5%和82.5%(表1)。在高召回率情况下,Faster R-CNN对于3种成熟度蓝莓的识别精确率依然可达80.0%左右,且P-R曲线也更加平滑稳定。为了更直接地比较两组数据的差异,综合分析精确率和召回率,由公式4计算F,结果如表2所示,在相同成熟度蓝莓条件下,本研究的Faster R-CNN算法的F值均比DPM算法高10.00%左右。