《表4 模型检测结果:基于改进YOLOv3的站口行人检测方法》
为了准确评价模型,将改进后的网络与Fast RCNN,SSD和YOLOv3 3种算法进行对比,分别计算各种算法的召回率与准确率,绘制训练的PR曲线,见图9,实验发现,改进后的算法在召回率与准确率均有提升,本文利用m AP作为模型准确度的评估指标,分别对比3种算法的的m AP与改进后算法的m AP,实验发现,改进后算法的m AP最高,达到了75.35%,具体数据见表4。
图表编号 | XD00190903300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 康庄、杨杰、李桂兰、南柄飞、曾璐 |
绘制单位 | 江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院、中国煤炭科工集团北京天地玛珂电液控制系统有限公司、江西理工大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |