《表1 目标检测视觉模型训练阶段的性能(平均正确率AP)》
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:训练数据包括:晴天,所有虚拟集,KPC,KPC+所有虚拟集;加粗字体为每行最优值。
1)目标检测实验训练阶段。人工驾驶场景给出的智能车虚拟图像集,作为实际场景数据补充,可用于共同训练视觉模型。接下来实验将分别使用:虚拟集(晴天)、虚拟集(所有)、KPC、KPC+虚拟集(所有)等混合数据进行模型训练,用来说明训练数据对算法性能的影响。上述视觉模型都将在常规任务中进行测试,实验定量结果如表1所示,结果说明当训练数据具有较强多样性时,特别是虚实混合数据(结合实际数据和虚拟数据)可以较大提高目标检测准确性。同时,采用数据增强的方法也能够提高视觉算法精度(将晴天结果与所有虚拟数据结果进行比较)。
图表编号 | XD00215916300 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) |