《表2 SSD模型AP分析图》
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。
图表编号 | XD00163394100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.08 |
作者 | 赵建国、曹朝辉、梁杰 |
绘制单位 | 郑州大学机械工程学院、郑州大学机械工程学院、郑州大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |