《表1 不同情况下的目标检测方法在数据集KITTI上的目标检测实验结果》

  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

《基于深度学习利用特征图加权融合的目标检测方法》

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

为了充分地评估所提方法，对所提目标检测方法在不同的特征图加权融合、不同的候选窗口数量以及RPN网络提取不同维度特征时分别进行了实验，实验结果见表1。常用于目标检测的数据集有KITTI，PASCAL VOC2007和PASCAL VOC2012，由于数据集KITTI场景复杂更具挑战性，因此，实验在数据集KITTI上进行多类别目标检测，在数据集KITTI-1上进行单类别目标检测来评估所提方法。其中，在数据集KITTI上检测的目标类别有8种:cyclist，van，tram，car，misc，pedestrian，truck，person＿sitting，表1中展示的在数据集KITTI上的目标检测精度均是这8种类别目标检测精度的m AP。为了评估所提方法只检测一种类别目标时的效果，实验过程中选取数据集KITTI中目标总数最多的“car”类作为检测类别，因此在数据集KITTI-1上检测的目标类别只有1种:car，且表1中展示的在数据集KITTI-1上的平均检测精度也是car这一种目标本身的检测精度（AP）。