《表4 本文算法和其他算法在PASAL VOC2007数据集上的检测结果》
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
《基于双阈值-非极大值抑制的Faster R-CNN改进算法》
为了进一步分析本文算法的检测性能,表4和表5显示了本文算法和其他算法模型的检测结果对比。由表4可以看到,在PASALVOC数据集的20类检测目标上,本文算法在鸟(bird),瓶子(bottle),猫(cat)等多个类别的检测精度优于Fast RCNN,Faster R-CNN,算法的平均检测精度为74.7%,比同一系列的A-Fast-RCNN[18]算法高3.3%,比RON320[19]算法还高0.5%。同时,由表5可以看到,与相同网络结构下的一阶段检测算法相比,本文算法的检测精度也有优势,高于SSD算法0.4%,高于Yolov2算法1%。
图表编号 | XD001684300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 侯志强、刘晓义、余旺盛、马素刚 |
绘制单位 | 西安邮电大学计算机学院、西安邮电大学陕西省网络数据分析与智能处理重点实验室、西安邮电大学计算机学院、西安邮电大学陕西省网络数据分析与智能处理重点实验室、空军工程大学信息与导航学院、西安邮电大学计算机学院、西安邮电大学陕西省网络数据分析与智能处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |