《表1 不同车道线算法在KITTI下的检测精度》
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。
图表编号 | XD00215919000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.16 |
作者 | 张翔、唐小林、黄岩军 |
绘制单位 | 浙江财经大学信息管理与人工智能学院、重庆大学汽车工程学院、同济大学汽车学院 |
更多格式 | 高清、无水印(增值服务) |