《表3 算法对比：一种基于深度学习的交通标志识别新算法》

  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

《一种基于深度学习的交通标志识别新算法》

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

式中:TP代表真正正样本，FP代表假正样本，FN代表假负样本，i代表类别。算法对比见表3。从表3可以看出，T-YOLO算法无论是在平均准确率还是在检测速度上都达到最优效果，相比于YOLOv2算法，T-YOLO算法在平均准确度上提高7.1%，检测速度每帧缩短了4.9 ms；相比于Faster R-CNN算法，T-YOLO算法在速度上提高124倍，精度提高3.8%；相比于传统算法HOG+SVM，检测精度提高13%。