《表2 不同k值对应的先验框宽高》

  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

《基于深度神经网络的扶梯异常行为检测》

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

由图6可以看到，随着先验框数目不断增多，两种算法的平均交并比都在不断增大，但K-means++算法的准确度更高，曲线更为平滑，趋势更为稳定，可在一定程度上减小聚类偏差。由表2可以看到，先验框的数目k值超过9时会出现大小较为相近的聚类结果，产生数据冗余。增加先验框的数量会导致模型的检测速度变慢，但综合考虑检测的准确性，实验最终选择K-means++算法聚类生成的9个先验框，具体的参数为（60，59)，（75，105），（100，147），（136，81），（146，205），（192，293），（210，133），(278，385）和（280，218）。