《表1 不同模型检测结果对比》

  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

《一种双网融合的分阶段烟雾检测算法》

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

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。