《表4 不同结构网络模型在不同尺寸目标上的m AP比较》

  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

《SSD与时空特征融合的视频目标检测》

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

注:加粗字体为每列最优结果。

从表4可以看出:1)结合特征金字塔后，与ResNet101和ResNet101+FlowNetS模型相比，ResNet101+FPN和ResNet101+FPN+FlowNetS模型的m AP在小尺寸目标上分别提高了9.0%和8.0%，在中尺寸目标上分别提高了9.8%和10.6%，在大尺寸目标上分别提高了2.2%和2.4%，表明特征金字塔可以较好地提高模型对中小尺寸目标的检测能力；2)结合光流网络后，与ResNet101和ResNet101+FPN模型相比，ResNet101+FlowNetS和ResNet101+FPN+FlowNetS模型的m AP在小尺寸目标上分别提高了0.4%和降低了0.4%，在中尺寸目标上分别提高了2.1%和2.9%，在大尺寸目标上分别提高了0.7%和1.2%，表明光流补偿能更有效地提高大、中尺寸目标的检测准确率。