《表7 在Image Net VID数据集上的测试结果》

  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

除了在本文构建的TKHK VID数据集上进行实验外，还在通用数据集Image Net VID上对本文方法进行测试。Image Net VID数据集有30类目标，共5 354段视频，其中训练集、验证集以及测试集中所包含的视频段数量分别为3 862、555和937．采用的对比方法为FGFA、D&T以及MANet3种方法。由于Image Net VID数据集中的数据多于TKHK VID数据集，本文方法在训练过程中使用4个RTX 2080Ti GPU进行120 000次迭代训练，其中前80 000次和后40 000次迭代训练的学习率分别是0.001和0.0 001，其余参数保持不变。表7展示了4种方法在TKHK VID数据集上的测试结果。从表7中可以看出，本文方法取得的m AP达到78.3%，优于FGFA以及D&T方法，与MANet方法基本持平。从各方法取得的单个目标类型AP来看，本文方法取得部分目标类型的较高，如熊、汽车等，但也存在部分目标类型的AP较低，如老虎、斑马等，但整体的检测效果最佳。相对于TKHK VID数据集，Image Net VID数据集中的目标尺寸较大，因此与表1相比，表7中各方法取得的m AP较高。