《表2 施工图数据集各检测算法结果》
为了合理评价Siamese SSD在施工图数据集上的表现,本文挑选了Adaboost+Haar、YOLO、Faster R-CNN。它们分别是传统目标检测方法、深度学习下的单阶段(one-stage)目标检测方法和双阶段(twostage)目标检测方法的代表性方法。由于结构上的不同,训练方法也不同。Adaboost中每类100张正样本、30张负样本。正样本为图例直接嵌入背景,负样本只存在背景(不包含图例)。YOLO和RCNN中每类100张样本,通过图例嵌入背景并进行旋转、缩放等操作制作样本。测试集与Siamese SSD的测试图一致。结果如表2所示。
图表编号 | XD00199347800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 王超奇、宫法明 |
绘制单位 | 中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |