《表1 客户参数:一种改进的轻量人头检测方法》
按照上述方法,对Brainwash密集人头数据集中的样本进行聚类分析,聚类结果如表1,在YOLOv3-tiny原有的2个预测尺度上增加1个,候选框的数量也由6个增加为9个,9个候选框会被3个预测尺度平分。anchors=(14,14),(15,16),(17,19),(21,19),(20,21),(22,24),(26,26),(31,33),(41,42)。仅针对该数据集人头这一类别,候选框的准确率达到了87.06%。通过对比VOC2012和本文使用的Brainwash数据集,得到K值与Avg IOU之间的关系,如图5所示,随着K值的增大,目标函数变化越来越平稳[19]。
图表编号 | XD00197458300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 高玮军、师阳、杨杰、张春霞 |
绘制单位 | 兰州理工大学计算机与通信学院、兰州理工大学计算机与通信学院、兰州理工大学计算机与通信学院、兰州理工大学计算机与通信学院 |
更多格式 | 高清、无水印(增值服务) |