《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》

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

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。