《表1 1 多类别下的目标检测结果》
通过对以上实验结果分析,证明了改进的区域卷积神经网络同一模型对多类别、多尺度、多视角以及较为复杂背景下检测的可行性。针对大部分目标的检测效果良好,拥有了较高的精确度,同时也暴露了复杂背景下小目标以及小样本目标的检测效果不强的问题,如图中存在超高空较为复杂背景下机场的误检问题,不过较好的结果是通常误检测的目标置信度分数较低,再结合进一步的人工审阅,大多可以进行剔除。但是如表11所示,对于所占像素点很少的油罐目标,模型总是不能很好地将其检全,因此针对此方面的研究还需要进一步加强。此外还体现了数据库容量的重要性,构建更为广泛的数据库,将对模型的训练起到较大的改善作用。
图表编号 | XD00162248200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 韩永赛、马时平、李帅、何林远、朱明明 |
绘制单位 | 空军工程大学研究生院、空军工程大学航空工程学院、空军工程大学研究生院、空军工程大学航空工程学院、空军工程大学研究生院 |
更多格式 | 高清、无水印(增值服务) |