《表1 YOLOv3检测器与其它深度学习检测器的性能对比》
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YOLOv3检测和特征点匹配的多目标跟踪算法》
基于检测的行人目标跟踪中,优良的检测器对最终的跟踪效果有着至关重要的影响。目前,基于深度学习的目标检测算法主要分为两类:一类是one-stage的YOLO (YOLO、YOLO9000、YOLOv3)[9~11]和SSD(SSD、DSSD、DSOD)系列算法[12];另一类是two-stage的R-CNN (R-CNN、Faster R-CNN、Mask-RCNN)系列算法[13~15]。前者在处理速度上虽快于后者,但平均准确率却低于后者。其中YOLO系列算法经过不断改良,最新版本的YOLOv3在COCO数据集上,精度达到与R-CNN系列相当的同时,速度却快了好几倍。YOLOv3与其他基于深度学习的检测器在COCO数据集上测试速度和精度的对比见表1所示。
图表编号 | XD00201215700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.28 |
作者 | 谭芳、穆平安、马忠雪 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |