《表1 不同模型检测结果对比》
实验采用目标检测中常用的平均类别精度(mean Average Precision,mAP)和检测时间(ms)作为评价指标。类别精度(Average Precision,AP)即为P-R曲线下的面积,mAP所有类的AP均值。实验结果如表1所示,Ours1是在原基础网络中加入通道注意力机制,提高了网络对烟雾目标定位和分类的准确性,有效降低了模型的漏检率,模型平均类别精度相对于原YOLO v3模型提高了约1.35%;Ours2是在Ours1的基础上改进损失函数,模型平均类别精度相对于Ours1进一步提高了约0.84%。改进后的模型有效提升了检测精度,而检测速度仅增加了1.3ms,满足烟雾检测任务对实时性的要求。
图表编号 | XD00157091300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 杜立召、徐岩、张为 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学微电子学院 |
更多格式 | 高清、无水印(增值服务) |