《表3 各姿态估计模型在MS COCO数据集上的性能对比》

  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

《基于改进R-FCN与语义分割相结合的人体姿态估计》

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

由表3可知，本文模型精度优于前三组实验，Open Pose中存在标签问题，很容易对模型的训练造成影响。在目标有缺陷的情况下，MaskRCNN无法精确的判断是否为缺陷。由于RMPE容易受到检测框的影响，造成漏检和误检，从而影响检测结果。实验表明，以Res Ne Xt101和多尺度RPN组合为基础的R-FCN与mask结合实现的效果最好，精度率达到74.3%。以Res Ne Xt101为基础框架的R-FCN能够更好的对目标进行检测，结合多尺度RPN结构可以有效的解决目标的不同尺度问题。