《表1 特征提取网络：基于改进型YOLO v3的蔬菜识别算法》

  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

《基于改进型YOLO v3的蔬菜识别算法》

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

YOLOv3算法性能得到提升的主要原因为特征提取网络的增强。与YOLOv2[8]的DarkNet-19网络相比，YOLOv3借鉴了ResNet[12]的残差结构，构造出更深的DarkNet-53网络。DarkNet-53特征提取网络由3×3和1×1卷积层构成，采用5个步长为2的3×3卷积层替换最大池化层（max pooling）实现下采样。该网络在ImageNet数据集测试，网络性能比Res Net网络更加有效，结果如表1[9]。表中，pTop-1和pTop-5分别是模型进行图片识别时得到前1个结果和前5个结果中有1个是正确的概率；计算量表示浮点运算的次数；运算速度是每秒多少次浮点运算；帧速率为每秒刷新图片的帧数。