《表2 模型改进后的识别结果》

  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

《基于改进的Faster RCNN模型在车辆类型检测中的应用》

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

在传统的Faster RCNN模型的特征提取网络基础上，在特征提取网络的卷积块后嵌入CBAM结构，通过对测试集测试得到的测试结果见表2。由表2可知嵌入CBAM结构特征提取网络的Faster RCNN模型的MAP值由84%提升至86%，本文在嵌入CBAM结构的同时加入Soft-NMS算法的MAP值达到89%，MAP值提高了5个百分点，但是相应的检测速度就比传统的Faster RCNN模型慢了很多。结果表明，本文提出的结合CBAM结构的特征提取网络和优化非极大值抑制算法是有效的，可以一定程度的提高检测精度。图7为改进后的Faster RCNN模型检测结果，与传统的Faster RCNN模型相比，可以检测出更多的遮挡目标以及重叠的目标。