《表2 测试结果:基于改进YOLOv2模型的多目标识别方法》
本文进一步对验证集进行测试,结果如表2所示。Ntotal表示待检测的实际目标数;Ccorrect表示将图片输入后,网络检测出的bounding box目标数,每一个bounding box都有对应的置信度,置信度大于阈值的bounding box要进行IOU的计算,从中找到IOU最大的bounding box,当最大IOU的bounding box大于预设的IOU阈值,那么Ccorrect值就增加1;Pproposal表示在检测出的所有bounding box中置信度大于阈值的bounding box数量;Pprecision表示精确度;Rrecall表示召回率,是检测目标的个数与验证集中所有目标个数的比值;F1表示的是F1分数(F1-score),又称平衡F分数(balanced Fscore),它被定义为精确率和召回率的调和平均数,同时兼顾了模型的召回率和精确度,其取值在0~1之间,F1越大,说明效果越好。
图表编号 | XD00162243700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 李珣、时斌斌、刘洋、张蕾、王晓华 |
绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院、西安计量技术研究院、西安工程大学电子信息学院、西安工程大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |