《表1 本文方法与4种对比方法的实验结果》

  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

《基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法》

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

从表1中可以看出，在检测速度方面，R-FCN方法取得了最快的检测速度，达到10.3帧/s．本文方法为6.0帧/s，低于R-FCN和D&T方法，但高于FGFA以及MANet方法。从检测精度方面来看，检测速度最快的R-FCN与其他4种利用视频帧间的联系建立目标检测模型的方法相比，其m AP最低，只有69.6%，表明利用视频中丰富的信息能够有效地提高视频目标检测的精度。与FGFA、D&T以及MANet等3种方法相比，本文方法取得m AP最高，达到76.9%，比MANet高0.5%．对于各类目标的平均精度（AP），本文方法均高于R-FCN、FGFA以及D&T等方法，与MANet方法的结果较接近，其中，MANet方法在普通车辆、作战人员以及无人机等3类目标的AP略高于本文方法，其他4类目标的AP值低于本文方法。这是因为本文方法与MA-Net方法均对视频帧间传递的时空卷积特征进行调整，使得当前帧的时空卷积特征更好的融合了多个相邻帧中的信息，提高了目标检测的精度。