《表3 全部任务下目标检测模型的性能(AP)评估》
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
《面向智能驾驶的平行视觉感知:基本概念、框架与应用》
注:模型均在晴天条件训练,加粗字体为相同测试地点最优值(常规任务和环境任务在相同测试地点,困难任务在另一测试地点)。
3)目标检测实验评估阶段。实验从虚拟训练数据(晴天)中选取730幅图像作为训练集,随后在常规任务、环境任务和困难任务上对训练后模型进行测试。实验定量结果如表3所示,常规任务说明在不同成像角度条件下,智能车检测效果会受到轻微的干扰,同时改变成像高度和角度时,检测器将面临更大的挑战导致检测目标的能力大幅度下降,这说明智能车视觉算法容易发生过拟合,导致只能在有限条件下进行目标检测;环境任务说明视觉模型在虚拟训练数据中无法获取不同环境的高频特征,导致恶劣天气(雾天、雨天)使智能车性能比常规任务下降更多;困难任务中的所有挑战会严重降低目标检测准确性,导致这一现象的主要原因是视觉算法泛化性能较差,无法处理遮挡目标检测。从经验上看这可能是大型车辆(如公共汽车和卡车)或障碍物附近频繁发生事故的主要原因。
图表编号 | XD00215916200 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.16 |
作者 | 李轩、王飞跃 |
绘制单位 | 鹏城实验室、北京理工大学自动化学院、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、中国科学院自动化研究所复杂系统管理与控制国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |