《表3 本文方法与其他方法在KITTI车辆检测数据集上的准确率比较》
注:加粗字体为最优实验结果。
实验选取KITTI车辆检测数据集,与吴天舒等人(2018)提出的基于SSD的轻量化模型中使用的数据集保持一致,该数据集的图像中只有车辆目标正样本和背景负样本。将HR+LSTM W48模型与其他主流算法在该数据集上进行对比,由前述实验可知,提出模型在C取值48时检测效果最佳,因此实验取C为48,实验结果如表3所示,其中,LightSSD(吴天舒等,2018)模型是一种轻量化SSD检测网络,DeconvSSD(赵文清等,2019)为反卷积和特征融合结合的SSD检测网络,均使用VGG16作为基础特征提取网络。由表3可知,本文模型的m AP较SSD、LightSSD和DeconvSSD(赵文清等,2019)目标检测模型的m AP分别提升7.3%、1.3%和0.5%,提升效果显著。使用HR W48检测模型较SSD513+HRNet v2 W48模型的m AP仅下降0.1%,可见本文针对HRNet的剪枝不仅减少了模型参数,加快了训练检测速度,而且对m AP影响小。
图表编号 | XD00216446100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.16 |
作者 | 赵文清、孔子旭、周震东、赵振兵 |
绘制单位 | 华北电力大学控制与计算机工程学院、复杂能源系统智能计算教育部工程研究中心、华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院、华北电力大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |