《表1 不同网络结构模型识别猪只的性能对比》
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
《改进Faster R-CNN的群养猪只圈内位置识别与应用》
为了确定本研究提出的改进Faster R-CNN与其他基础网络结构模型之间识别猪只的性能差异,当共享卷积层层数为128时,将其与VGG16和Alex Net这两种常用基础网络结构模型进行对比,如表1所示,选用VGG16网络作为特征提取层时模型的准确率为89.01%,平均检测时间为0.053 s,当选用ALex Net网络作为特征提取层时模型的准确率为92.01%,平均检测时间为0.058 s,而本研究提出的改进Faster R-CNN模型的准确率可达96.70%,平均检测时间为0.064 s,在平均检测时间相差不多的情况下,准确率较前2种模型分别提高了8.64%和5.10%,具有更优的识别性能。
图表编号 | XD00204405100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 王浩、曾雅琼、裴宏亮、龙定彪、徐顺来、杨飞云、刘作华、王德麾 |
绘制单位 | 重庆市畜牧科学院、重庆市畜牧科学院、四川大学机械工程学院、重庆市畜牧科学院、重庆市畜牧科学院、重庆市畜牧科学院、重庆市畜牧科学院、四川大学空天科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |