《表2 网络步长为32时的对比实验》

  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

《Anchor-free的尺度自适应行人检测算法》

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

为解决因多个行人框的中心映射到Θ上重叠而带来的漏检问题，本文通过让Θ上的每个点预测m个行人框来解决.如表1所示，该方法可以进一步将模型在reasonable验证集上的MR-2降低至9.51%.但因为AFSA的默认网络步长为8，且City Persons数据集中行人密集程度不高，所以即使Θ上的每个点只有1个预测框，在训练期间也只会丢弃275/19 654=1.4%的行人框.为了进一步验证该方法在行人密集场景下的有效性，本文补充了另一组实验，该实验将AFSA的网络步长调整至32，这样，如果Θ上的每个点只有一个预测框，则在训练期间将会丢弃2 739/19 654=13.9%的行人框，一定程度上可以模拟行人密集场景.从表2的实验结果可以看出，在行人密集场景下，该方法可以有效地降低漏检.