《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》
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。
图表编号 | XD00182612200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 戴文君、常天庆、褚凯轩、张雷、郭理彬 |
绘制单位 | 陆军装甲兵学院兵器与控制系、陆军装甲兵学院兵器与控制系、陆军装甲兵学院兵器与控制系、陆军装甲兵学院兵器与控制系、陆军装甲兵学院兵器与控制系 |
更多格式 | 高清、无水印(增值服务) |