《表2 SSD模型AP分析图》

  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

《卷积神经网络SSD的道路目标检测》

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

对于目标完整，背景干扰少的目标识别率在0.9以上，而下雨天、光线弱、目标和背景相近的和目标比较小的识别率相对较低，如图4所示。模型检测conv3特征层和原图像的尺寸增加一倍的检测效果的P-R分析详见图，如图5、图6和图7所示。检测效果的AP分析表，如表2所示。由结果分析得知，车辆检测的效果较好，骑行的人检测效果一般，行人检测较差，分析发现，由于图像来自于行车记录仪录制视频图像，在公路上骑行的人和行人都是靠路边行走，距离记录仪的距离较远，而行人相对于骑行的人距离车辆更远，所以行人和骑行的人在图像上呈现的目标很小，目标越小越容易受到背景的干扰，目标的特征丢失越多，另外行车记录仪的目标设备，设备质量较差，大多数是关注于车辆周围的环境和目标，对远距离的物体拍摄质量比较差，在夜景中的拍摄效果更差，加大了识别的难度。增加原图像的尺寸，使尺寸增加一倍，目标检测的mAP值增加了0.033，SSD模型增加conv3的特征图的检测，目标检测的mAP值增加了0.049，增幅较大，说明在数据集中存在的小目标较多，虽然增加了针对于小目标的特征图检测，但是效果仍然不理想，分析模型得知，越靠近原图的特征图所经过的卷积层会越少，对图像特征的提取能力越弱，所以骑行的人和行人的检测效果比较差。