《表1 MS COCO test-dev数据集下各目标检测算法的性能比较》
使用COCO test-dev测试数据集分支,评估提出的重叠抑制Anchor-free目标检测算法OSAF的检测性能,并将其与当前检测效果最好(state-ofthe-art)的目标检测算法做比较。提出的OSAF目标检测网络模型使用最小边界为800的单尺度输入图像训练和测试,与其他目标检测算法的性能比较如表1所示。表1中分析了3个不同Io U阈值下的检测精度,0.5:0.95表示Io U的值分别为{0.5,0.55,0.6,0.65,0.7,0.75,0.8,0.85,0.9,0.95}时的平均检测精度,0.5表示Io U的值为0.5时的检测精度,0.75表示Io U的值为0.75时的检测精度;并从3个不同的图像尺度上进行评估,S表示面积小于322的目标,M表示大于322且小于962的目标,L表示大于962的目标。表1中,所有的检测算法除了Corner Net[21]使用的基础网络为Hourglass Net和SSD512[12]使用的是VGG[16]之外,其他均使用Res Net-101[15]作为网络模型的基础组成部分。
图表编号 | XD00187451200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.15 |
作者 | 汤毅、王坤阳、张宽、滕国伟 |
绘制单位 | 百视通网络电视技术发展有限责任公司、上海大学通信与信息工程学院、上海大学通信与信息工程学院、上海大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |