《表7 在MS COCO 2014数据集上的检测精度对比》
注:加粗字体表示最优结果。
表7是在MS COCO测试集上,一些主流的性能优秀的two-stage和one-stage算法在不同标准下的检测精度,包括m AP(mean average precision)>0.5和m AP>0.75两种情况及小目标与大目标的m AP。本文采用SPNet的主网络MainNet进行测试。可以看出,SPNet在one-stage网络中拥有比SSD、YOLOv2更好的检测精度,m AP大于0.5和大于0.75的情况达到52.8%和34.7%,比SSD分别提高了2.4%和1.4%,与m AP精度最佳的onestage网络DSSD相比,两种情况都低了0.5%,虽然比retinaNet与DSSD检测精度稍低,但检测速度明显更快,retinaNet500和DSSD513分别为16.5帧/s和9帧/s,而SPNet在不使用TrackNet情况下为35帧/s,接近YOLOv3。此外,本文的SPNet对小目标的mAP精度良好,达到了13.9%,比DSSD高0.9%,比retinaNet低0.8%。鉴于本文网络相当侧重于集中了小而密集的复杂视频流场景的检测,实验得到的精度与速率的平衡符合本文预期。SPNet针对图像(主要来自MS COCO 2014数据集)与视频(以截图形式展现)的检测结果如图12和图13所示,可以看出,检测密集目标和微小目标的效果很好。虽然对一些大目标的定位不够准确,出现了类别预测错误的情况,但在密集微小目标的场景与复杂场景视频流的检测上取得了显著进步。
图表编号 | XD00179359500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.16 |
作者 | 李鑫泽、张轩雄、陈胜 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |