《表1 VGG-Sewer模型评估值》

  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

《基于卷积神经网的CCTV视频中排水管道缺陷的智能检测》

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

（%）

其中，缺陷样本包括全局缺陷样本和局部缺血样本。对于使用训练样本完成训练的VGG-Sewer，在如前所述的10 000张测试样本上进行测试，使用识别率和缺陷召回率进行评估。如图7所示的排水管网中三四级缺陷比一二级缺陷更容易造成危害且急需维修，因此需对其更加关注，试验中也对测试样本中的634张三四级缺陷进行了单独评估，试验结果见表1，缺陷样本的召回率高于所有样本的准确率1.93%，这也符合前述设计:通过增加缺陷样本在训练集中的比例，以使卷积神经网络对缺陷特征具有更强的激活能力来提高缺陷的召回率。同时也可以看到缺陷的召回率达到了87.26%，其中三四级缺陷的召回率达到了95.11%。