《表4 在TT100K数据集上的检测结果》

  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

《基于深度学习的实时吸烟检测算法》

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

为了验证本文算法在小目标检测方面的提升，本文在公开数据集Tsinghua-Tencent 100K(TT100K）交通标志牌检测数据集上进行了模型训练与测试。该数据集包括了3类交通标志牌，即禁令类标志、警示类标志以及指示类标志，因此训练数据的标注类别，设置为3。该数据集的训练集有6 107张图片，测试集有3 073张图片，之后选择了YOLOv3模型（本文模型的主要参考和对比模型）、未加Attention Block（该部分替换为普通卷积层）的本文模型、未使用多层特征图双向融合的本文模型（该部分替换为普通的单向FPN网络结构）以及完整的本文模型进行实验对比，最终的检测结果如表4所示。