《表4 不同结构网络模型在不同尺寸目标上的m AP比较》
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。
图表编号 | XD00216442400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.16 |
作者 | 尉婉青、禹晶、柏鳗晏、肖创柏 |
绘制单位 | 北京工业大学信息学部、北京工业大学信息学部、北京工业大学信息学部、北京工业大学信息学部 |
更多格式 | 高清、无水印(增值服务) |