《表4 多尺度预测结果:基于卷积神经网络的实时车辆检测》
为了探究尺度对检测精度的影响,本文在YOLOv3的基础上,增加网络的尺度。同时,由于YOLOv3是全卷积网络,为了更方便进行卷积操作和消除图像输入尺寸对实验结果的影响,本文使用统一的输入图像尺寸512×512。由于网络复杂度会随着网络层数的加深而加大,考虑到设备显存容量的限制,本文对YOLOv3进行增加一个尺度和两个尺度的操作,最终得到4个尺度的网络模型和5个尺度的网络模型。将三种模型在Apollo数据集上进行测试。结果如表4所示。
图表编号 | XD00201589500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 金旺、易国洪、洪汉玉、陈思媛 |
绘制单位 | 武汉工程大学计算机科学与工程学院、武汉工程大学计算机科学与工程学院、武汉工程大学智能机器人湖北省重点实验室、武汉工程大学图像处理与智能控制实验室、武汉工程大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |