《表2 YOLOv3应用于目标定位与单种属性识别实验结果》

  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

《基于改进YOLOv3的同步目标定位与多种属性识别》

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

为了说明YOLOv3在单种属性识别任务上的良好性能，本文在Stanford Cars上比较了YOLOv3（品牌款式）与本文第1章所述的多个经典细粒度识别算法，实验结果如表1所示。其中，YOLOv3（品牌款式）在对车辆的品牌款式识别中取得了最高的top-1准确率，为93.3%，且能同时实现对车辆的定位。此外，本文还分别将YOLOv3应用于目标定位与其他单种属性识别中，表2分别给出了YOLOv3（品牌款式）、YOLOv3（颜色）和YOLOv3（视角）在Stanford Cars-MA上的相关实验结果，除原有目标检测领域精度指标mAP外，还给出了各自top-1、top-3定位&识别准确率。由表2可知，利用YOLOv3实施目标定位与单种属性（品牌款式、颜色或视角）识别中分别取得了93.22%、90.39%、98.22%的top-1定位&识别准确率与95.63%、97.70%、99.54%的top-3定位&识别准确率，平均处理耗时分别为27.15 ms、24.84 ms、23.72 ms。YOLOv3（颜色）的mAP偏低为71.31%，猜测主要是由数据集中各种颜色的样本数量不够均衡和颜色差异度小导致错误标注引起的。