《表2 不同算法在KITTI数据集上对车辆类别的检测效果对比》

  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

《基于类人视觉的多任务交通目标实时检测模型》

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

为了进一步验证模型的有效性，本文中在KITTI数据集上进行分析，设置检测的交并比（Io U）为0.5，对car类别进行检测，并与不同算法进行比较，其结果如表2所示。可以看出，利用Mobile Net V3模型作为Backbone，使得参数量大幅度减少，仅为YOLOv3模型的15.8%，而检测精度却相当，同时检测时间减少了8.41 ms。通过F-值对比看出，本文中模型在兼顾精度的同时，查全率仅次于二阶段模型Mask R-CNN，很好地保证了模型的鲁棒性。