《表5 算法对比:一种卷积神经网络的车辆和行人检测算法》
用传统的HOG+SVM方法、Faster R-CNN方法及设计的方法在PASCAL VOC2007和2012人、车辆测试子集上进行对比。结果如表5所示,本文设计的方法在检测速度和精度上相较于HOG+SVM方法和Faster R-CNN方法都有明显提升。与传统算法相比,设计的算法在检测时间缩短的前提下,车辆检测的平均精度提高了15.8%;行人检测的平均精度提高了16.71%。
图表编号 | XD00162334300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 李大华、汪宏威、高强、于晓、沈洪宇 |
绘制单位 | 天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室、天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室、天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室、天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室、天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |