《表5 DS-YOLO与其他算法在VOC2007、2012上的结果对比》
由表4~6可知:1)DS-YOLO与YOLOv3相比,在较大物体上的检测效果没有明显的降低,其中DS-YOLO对火车、车辆、行人等大目标物体的检测效果仅比YOLOv3的AP低不到1%,在保持较高检测精度的同时大幅提高了检测速度。虽然mAP比YOLOv3低8.9%,但检测速度提升了4.5倍,与YOLOv3tiny相比mAP提高了12.3%。和其他网络相比,DS-YOLO的检测精度略低,但在模型大小和运算速度上具有优势。2)在检测速度上,DS-YOLO约为141frame/s低于YOLOv3tiny的168frame/s,而YOLOv3为30frame/s,其他网络的速度普遍低于50frame/s,只有采用轻量化MobileNet骨干网络的SSD算法和YOLOv2的检测速度可以达到50frame/s以上。在模型大小上,DS-YOLO的模型大小为25 MB,较YOLOv3的模型实现了近10倍的压缩,使得DS-YOLO可以在YOLOv3无法部署的嵌入式平台上运行。
图表编号 | XD00188243000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 李成跃、姚剑敏、林志贤、严群、范保青 |
绘制单位 | 福州大学国家大学科技园阳光科技楼平板显示国家地方联合工程实验室、福州大学物理与信息工程学院、福州大学国家大学科技园阳光科技楼平板显示国家地方联合工程实验室、福州大学物理与信息工程学院、晋江市博感电子科技有限公司、福州大学国家大学科技园阳光科技楼平板显示国家地方联合工程实验室、福州大学物理与信息工程学院、福州大学国家大学科技园阳光科技楼平板显示国家地方联合工程实验室、福州大学物理与信息工程学院、福州大学国家大学科技园阳光科技楼平板显示国家地方联合工程实验室、福州大学物理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |