《表1 不同检测算法性能对比》
为了综合评价模型性能,在检测精度外,也要考虑到检测速度,本文选取了业内用于目标检测任务的主流网络模型YOLOv3[7]、Faster R-CNN[3]及SSD[4],同本文的Metal-YOLOv3模型在相同的冰箱金属表面缺陷样本集对比检测精度和检测速度,并选取平均精确度(Average Precision,AP)和每秒帧数(Frame Per Second,FPS)衡量算法精度和速度。经过实验,得到各检测算法在金属表面缺陷验证数据集与测试数据集上的性能对比(如表1)。从表1中可以看出,Metal-YOLOv3的检测精度略优于Faster R-CNN,是检测精度最高的模型,而且检测速度远胜于Faster R-CNN,算法性能最优。
图表编号 | XD00201783500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.10 |
作者 | 袁野、谭晓阳 |
绘制单位 | 南京航空航天大学计算机科学与技术学院、模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学)、软件新技术与产业化协同创新中心、南京航空航天大学计算机科学与技术学院、模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学)、软件新技术与产业化协同创新中心 |
更多格式 | 高清、无水印(增值服务) |