《表1 各目标检测模型在本文数据集上的mAP分值》
结合表1可以发现,代表two stage方法的Faster-RCNN可以获得较one stage的RetinaNet表现更优。这是由于数据集中包含了较多的小目标,即控件占图像面积比例较低的目标,且密集程度较高;同时,two stage方法更擅长处理密集小目标,因此可以取得更高的mAP分值。但无论哪种方法,其识别结果对应用运行平台(Android/iOS)均体现出鲁棒性。
图表编号 | XD00163220200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 张文烨 |
绘制单位 | 中国人民大学信息学院 |
更多格式 | 高清、无水印(增值服务) |