《表3 模型1和模型2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

实验在PASCAL VOC 2012和MS COCO 2014数据集上进行，引入Swish激活函数和组归一化函数对不同结构的SPNet的MainNet部分重复3次训练及测试，取平均值作为实验结果，如表2和表3所示。模型1是本文改进的Swish+GN版本网络，模型2是传统的LReLU（He等，2015）+BN版本网络，两种模型均嵌入权重控制模块（FWC）。训练时，模型2的批数量（batch-size）参数选择8，属于目前主流训练方案中的偏小取值，一般选择16～32，批数量参数较小对使用BN的模型2有一定影响，因为BN是基于batch-size的批归一化函数，较小的值会导致训练误差逐渐累积，劣化网络最终的训练结果。其他训练参数均为默认。