《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》
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:
图表编号 | XD00185811500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.08 |
作者 | 张昭、姚国愉、李雪纯、张佳乐 |
绘制单位 | 西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |