《表1 4种方法在coco数据集上的表现》
为了验证改进算法是否有效,在coco数据集上进行测试,实验结果如表1所示.其中AP50和AP75分别表示IOU为0.50和0.75时的AP.从表1中可以看出,增加FPN后,检测结果有了很大的提升,尤其是小目标和中等目标的检测效果,这主要是FPN融合了5个不同尺度的特征图,包含了更多底层的信息.增加ASPP之后,对小目标的检测效果降低,对大目标的检测效果提高,主要是ASPP只在最后的特征上使用,可以得到更大的感受野,有更广的全局特征,但在过程中引入了更多的噪声,增加了误检率.在原始模型上同时使用FPN和ASPP,模型可取得最好的效果,框的平均精确率提高了3.8,掩码的平均精确率提高了3.9,针对小目标平均精确率(APS)从16.4提升到了23.0,针对大目标平均精确率(APL)从55.2提升到了63.0,即改进的方法针对小目标和大目标的检测效果得到同步提升.
图表编号 | XD00177250600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 王瑞、李霄峰、史天运、邹琪 |
绘制单位 | 中国铁道科学研究院研究生部、北京交通大学轨道交通与数据挖掘北京市重点实验室、中国铁道科学研究院集团有限公司、北京交通大学轨道交通与数据挖掘北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |