《表1 不同车道线算法在KITTI下的检测精度》

  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

《道路结构特征下的车道线智能检测》

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

注:加粗字体为最优结果。

本文的检测目标仅有一个，即车道线。在KITTI数据集上，以检测到车道线边界框的平均精度（mean average precision，m AP）为评价标准，将该研究中的算法与Fast-RCNN （Girshick，2015），FasterRCNN （Ren等，2017），SSD （single shot multi-box detector）（Liu等，2016）、Context+RCNN （Tian等，2018）、YOLO v1（Redmon等，2016）、YOLO v2 （Redmon和Farhadi，2017）和YOLO v3的检测结果对比，说明该研究算法的有效性。各个模型在KITTI数据集上的m AP值如表1所示。