《表4 不同检测算法在VOC2007test上的检测结果》
本文的实验在配有i5-8400的CPU和1080Ti显卡的PC机上运行,本文使用标准数据集VOC2007和VOC2012trainval作为训练集,采用VOC2007test作为测试集来评估网络的性能。主干网络Darknet-53采用Imagenet数据集进行了预训练,便于检测网络的权重微调。网络的输入尺寸为416×416,采取随机梯度下降法,动量设为0.9,权重衰减设置为5×10-3,一共迭代100个epoch,一次性送入训练的图片为16张,初始学习率为10-3,50个epoch后学习率下降10倍,80个epoch后学习率再次下降10倍。本文使用检测算法最常使用的mAP(平均均值精度)指标来检验网络的性能,如表4所示,为目前经典的检测算法与本文算法CDC-YOLO的性能对比,这些算法均在VOC2007和VOC2012trainval训练,在VOC2007test进行测试,且均在同一软件和硬件下训练与测试。表5显示了本文改进后的算法和原始YOLOv3的性能对比。
图表编号 | XD00206655400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 王若霄、徐智勇、张建林 |
绘制单位 | 中国科学院光电技术研究所、中国科学院大学电子电气与通信工程学院、中国科学院光电技术研究所、中国科学院光电技术研究所 |
更多格式 | 高清、无水印(增值服务) |