《表2 多元回归分析结果：基于深度学习的车辆时序动作检测算法》

  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

《基于深度学习的车辆时序动作检测算法》

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

车辆的行为信息可以通过叠加后的光流来体现，实验中将数据按照7∶3的比例划分训练集和测试集，对不同车辆行为图片进行光流叠加。实验结果见表2，从表中我们可以看出进行光流堆叠处理后，时间卷积神经网络识别率有了较大的提高，光流堆叠（L=10）比光流堆叠（L=5）高了3.5%，比单帧光流识别率高了近13%。从实验中我们可以看出，采用的光流堆叠（L=15）时，时间卷积网络识别率相对于光流堆叠（L=10）提升不明显，并且降低了计算效率。因此，本文将实验过程中时间卷积网络的光流堆叠L设为10。