《表2 两种算法的各项指标对比》

  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

《卷积神经网络在动态手势跟踪中的应用》

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

本文算法YOLOv3-gesture与YOLOv3的性能评判指标为准确度、召回率、平均准确度和标记框和预测框的交并比（intersection over union，IOU）值。算法每秒处理的帧数作为算法的速度评判指标，其单位为frame/s。通常动作连贯的视频为30 frame/s，因此如果检测的速度达到30 frame/s，就可以认为达到了实时跟踪。在200张测试集数据中应用YOLOv3和YOLOv3-gesture，比较后得出各项指标对比见表2。其中数据是通过调整IOU阈值使得准确度和召回率最大得出的实验结果，本文算法相对于YOLOv3算法，准确度提升了2.3%，召回率提升了3.4%，平均准确度提升了4.5%。YOLOv3-gesture通过规划区域检测的手段，减少了背景中非跟踪对象的干扰，使检测准确度得到提升。