《表4 不同特征融合实验对比》

  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

《一种改进的Faster-RCNN电路板字符检测方法》

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

为选取合适的特征融合方式，本节对VGG-16的conv＿3+conv＿5与conv＿4+conv＿5分别进行不同的特征融合方案．对于conv＿3+conv＿5采取add特征融合，由于conv＿3的输出维度是256，先对其进行1×1卷积升维．不同特征融合实验对比如表4所示．从表中可以看出，conv＿4+conv＿5采取add融合提高了精确率，但漏检率和整张图片识别率有所上升．conv＿4+conv＿5采用concat融合反而使各项性能均变差，这是因为conv＿4和conv＿5的concat融合增加了背景与目标以及类别间的相似度．conv＿3和conv＿5的concat融合性能最好，不仅漏检率下降，还提高了精确率和整张图片识别率．