《表1 纳入文献基本特征：基于改进faster R-CNN算法的小目标车辆检测》

  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faster R-CNN算法的小目标车辆检测》

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

利用上述实验数据集分别对已经经过Image Net图像库预训练的faster R-CNN、YOLOv3和本文提出的改进算法模型进行训练和测试。faster R-CNN是在two-stage目标检测方法中具有代表性的经典算法，在精度和检测速度均达到了实际应用的标准，YOLOv3是在one stage目标检测算法中的具有代表性经典算法，所以，本文对在faster R-CNN基础上提出的反卷积反向特征融合faster R-CNN、faster R-CNN和YOLOv3在测试集上进行对比实验，对比三种算法在综合场景下对不同大小目标车辆的检测精度；本文借鉴了MS COCO数据集，对大目标、中等目标、小目标的范围进行了定义，如表1所示：