《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》
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。
图表编号 | XD00187030100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 魏相站、邵丽萍、周骅 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |