《表1 图13和图14的车辆识别精度对比表》
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YOLOv3的复杂天气条件下人车识别方法的研究》
从上述结果可以看出:(1)相较于传统的目标测方法,深度学习算法能够有效的提高检测精度和检测时间。而例如Fast R-CNN算法由于采用了两级检测的方法,检测精度也比较高,但是检测时间长,检测速度较慢。对于YOLO系列算法,由于其直接在输出层回归了边界框的类别以及位置,大大的提高了检测精度和检测速度。(2)将经过MSRCR算法图像增强处理后的图像作为测试的输入,比起直接将原始图像作为输入,能够很好的提高目标的检测精度和检测速度,检测精度平均增加了1.78%,检测时间平均缩短了0.041 s。
图表编号 | XD00183140600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 刘洋、姜涛、段学鹏 |
绘制单位 | 长春理工大学机电工程学院、长春理工大学机电工程学院、长春理工大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |