《表2 VOC数据集实验各项指标对比》
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%。
图表编号 | XD00188259100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 戴立伟、黄山 |
绘制单位 | 四川大学电气工程学院、四川大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |