《表4 不同检测算法在VOC2007test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

《跨深度的卷积特征增强目标检测算法》

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

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。