《表3 算法对比:一种基于深度学习的交通标志识别新算法》
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%。
图表编号 | XD00191527800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.28 |
作者 | 陈昌川、王海宁、赵悦、王延平、李连杰、李奎、张天骐 |
绘制单位 | 重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院、山东大学信息科学与工程学院、重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |