《表1 不同方法在各个指标上的对比》
Center Net是一种基于中心点的检测框架,它由Corner Net角点检测的思想发展而来。它是一个标准的无锚框单阶段目标检测网络,分为主干网络部分(特征提取)和检测头(后处理与生成结果)两部分。主干网络部分可以使用残差、深层聚合或者沙漏网络等不同结构。其中沙漏网络的精度最高,但它的速度却是最慢的。主干网络将得到的特征图送入检测头部,特征图上的每个位置都会密集地回归出类别、长宽和偏移量。其中,类别得分值以热力图的形式产生,峰值即为物体的中心点,如图2所示。通过表1可以看出:虽然使用沙漏网络的Center Net达到42%的平均准确率(mean Average Precision,m AP)值,但是6 frame/s的帧率对于单阶段检测器来说还是过于缓慢。而改用深层聚合(Deep Layer Aggregation,DLA)主干网络后,速度达到28 frame/s的同时m AP也大幅降低。
图表编号 | XD00197760200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 刘子威、邓春华、刘静 |
绘制单位 | 武汉科技大学计算机科学与技术学院、武汉科技大学大数据科学与工程研究院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、武汉科技大学大数据科学与工程研究院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、武汉科技大学大数据科学与工程研究院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) |
更多格式 | 高清、无水印(增值服务) |