《表4 遮挡场景下本研究方法和文献[8]方法网络检测能力的对比》

  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

《基于改进DenseNet的水果小目标检测》

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

对于遮挡场景检测的优化，通常的做法是添加额外的检测手段，如训练一组针对遮挡的检测器[23]，或在CNN网络中增加遮挡部分的检测模块以优化损失函数[24].本研究对遮挡场景的对策主要体现在增强特征来得到更优的候选目标框，以及在筛选阶段保留重叠区域的检测结果.为了说明本研究方法在遮挡场景中的有效性，与文献[8]中的Res Net网络进行相同场景下的对比.由于文献[8]只给出了平均准确率及F1值，采用其给出的部分训练参数来复现该网络，并在筛选出的图片中进行验证，此部分仅比较遮挡场景中的检测效果.结果的对比采用分别计算2种网络所得到的检测框与真实标注的重叠率O，在手动剔除图像中的小目标水果（尺寸<5×5像素）后，通过检测框与真实标注的坐标计算.同时针对包含遮挡苹果和芒果的图像，在2个网络中计算出检测的置信度C，结果如表4所示.