《表4 FWC网络在MS COCO 2014数据集上性能对比》

  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

《高效检测复杂场景的快速金字塔网络SPNet》

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

权重模块（FWC）对性能的影响如表4所示，模型1引入了FWC，模型2没有引入。由于MS COCO2014数据集的样本检测类别比PASCAL VOC 2012数据集的样本更多，检测目标更小更密集，因此选用前者对两种模型测试，测试重复3次并取均值，两种模型均使用相同的激活函数和归一化函数，采用相同的训练参数。在训练完成10 000、15 000、25 000、30 000、40 000、45 000迭代时，在MS COCO 2014数据集上测试校验精度，指标参数为Top-1准确率和IoU。从表4可以看出，在同等迭代次数下，使用FWC的模型1有更快的训练收敛速度和更高的检测精度，训练在45 000次迭代时，模型1的平均Top-1准确率和平均IoU分别比模型2增加1.01%和3.64%，充分证明FWC模块增强特征的传递方式，使SPNet在较为复杂的MS COCO 2014数据集上的检测精度有显著提升。