《表2 VOC数据集实验各项指标对比》

  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

《交通场景目标检测指标优化研究》

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

分别在Origin（原YOLOv3网络）基础上独立部署不同策略和算法，得到的实验指标对比如表2所示。“+All”表示将表内各种策略相结合训练得到的最优模型，也是综合表现最佳的模型；“Δ”表示mAP指标相比Origin的变化量。通过表2的实验结果对比分析可知，采用的6种优化策略和算法对YOLOv3模型性能的提升是积极且明显的，其中以Focal Loss策略、ACDC抗遮挡策略和Mixup策略表现最为显著，分别将模型的mAP指标提高了4.47%、1.64%和1.33%，采用GIOU、Cosine Decay学习率和Hard-Swish激活函数时也将模型的mAP指标分别提高了1.2%、0.66%和0.15%；在本文实验硬件条件下得到的FPS为32.2（±0.5)frame/s，完全满足实时运行的要求；将6种策略和算法结合运用在YOLOv3模型上后，实验得到最优模型的mAP为84.21%。