《表1 仪表目标检测结果对比》

  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

《基于Faster R-CNN的仪表识别方法》

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

对于不同光照、不同角度、不同分辨率的仪表图片集，每张仪表图片都只有一个仪表目标。采用本文提出的算法模型和几种其他算法模型进行仪表目标检测对比，本文提出的算法模型误检率和漏检率都低于其他方法。误检率也就是虚警率，是错误判断正样本的概率。复杂环境中存在一些目标相似的物体，这对目标识别产生一定的影响，本文对误检的负样本进行训练，在一定程度上降低了误检率。本文的模型也存在一定的漏检率，通过实验发现，采集图片存在图片清晰度过于模糊，拍摄仪表目标不完整等问题，这都会对仪表检测造成影响。本文对漏检的情况在终端显示界面中进行报警提示，再对这些漏检的仪表图像进行训练，降低漏检率，测试结果如表1所示。